滑动窗口最大值和前K个高频元素

滑动窗口最大值和前K个高频元素

239. 滑动窗口最大值

核心：建立一个单调队列，维护里面的最大值，并且从大到小的顺序即可！【只需要维护有可能成为窗口里最大值的元素就可以了，同时保证队列里的元素数值是由大到小的。】

from collections import deque
class MyQueue:
    def __init__(self):
        self.queue = deque()
    # 弹出的时候需要比较出口元素是否相等！相等弹出
    def pop(self,value):
        if self.queue and value == self.queue[0]:
            self.queue.popleft()
    # 维护队列中的元素的从大到小的
    def push(self, value):
        while self.queue and value > self.queue[-1]:
            self.queue.pop()
        self.queue.append(value)
    def front(self):
        return self.queue[0]
# 先判断前面的元素弹出，在插入后面的元素
class Solution:
    def maxSlidingWindow1(self, nums: List[int], k: int) -> List[int]:
        que = MyQueue()
        result = []
        for i in range(k):
            que.push(nums[i])
        result.append(que.front())
        for i in range(k,len(nums)):
            # 滑动窗口移除到最前面元素
            que.pop(nums[i - k])
            # 滑动窗口前加入最后的元素
            que.push(nums[i])
            result.append(que.front())
        return result
    def maxSlidingWindow(self, nums: List[int], k: int) -> List[int]:
        # 自己实现单调队列
        que = []
        result = []
        for i in range(k):
            while que and que[-1] < nums[i]:
                que.pop(-1) # list.pop()时间复杂度是o(N) 这里会超时
            que.append(nums[i])
        result.append(que[0])
        for i in range(k,len(nums)):
            if que and que[0] == nums[i - k]:
                que.pop(0)
            while que and que[-1] < nums[i]:
                que.pop(-1)
            que.append(nums[i])
            result.append(que[0])
        return result
    
        

347. 前 K 个高频元素

核心：利用字典排序的一些方法！这些方法比较解题关键！

第一种
f = zip(d.keys(), d.values())
c =sorted(f)
第二种
a = sorted(d.items(), key=lambda x: x[1])
a1 = sorted(d.items(),key = lambda x:x[1],reverse = True)

import heapq
class Solution:
    def topKFrequent1(self, nums: List[int], k: int) -> List[int]:
        dict_1 = {}
        res = []
        for v in nums:
            if v in dict_1:
                dict_1[v] += 1
            else:
                dict_1[v] = 1
        a1 = sorted(dict_1.items(),key = lambda x:x[1],reverse = True)
        # print(a1)
        for i in a1[:k]:
            res.append(i[0])
        return res
    # 使用堆来实现
    def topKFrequent(self, nums: List[int], k: int) -> List[int]:
        map_ = {}
        # 统计元素出现的频率
        for i in range(len(nums)):
            map_[nums[i]] = map_.get(nums[i], 0) + 1 

        # 对map进行排序
        # 定义一个小顶堆 大小为k
        pri_que = []
        for key, value in map_.items():
            heapq.heappush(pri_que, (value, key))
            if len(pri_que) > k: # 如果堆的大小大于了K 则队列弹出，保证对大小为k
                heapq.heappop(pri_que)
        result = [0] * k
        for i in range(k - 1, -1, -1):
            result[i] = heapq.heappop(pri_que)[1]
        return result