代码随想录算法训练营第十天 | 239.滑动窗口最大值、347.前K个高频元素

代码随想录算法训练营第十天 | 239.滑动窗口最大值、347.前K个高频元素

文章目录

  • 代码随想录算法训练营第十天 | 239.滑动窗口最大值、347.前K个高频元素
    • 1 LeetCode 239.滑动窗口最大值
    • 2 LeetCode 347.前K个高频元素

1 LeetCode 239.滑动窗口最大值

题目链接:https://leetcode.cn/problems/sliding-window-maximum/description/

给你一个整数数组 nums,有一个大小为 k 的滑动窗口从数组的最左侧移动到数组的最右侧。你只可以看到在滑动窗口内的 k 个数字。滑动窗口每次只向右移动一位。

返回 滑动窗口中的最大值

示例 1:

输入:nums = [1,3,-1,-3,5,3,6,7], k = 3
输出:[3,3,5,5,6,7]
解释:
滑动窗口的位置                最大值
---------------               -----
[1  3  -1] -3  5  3  6  7       31 [3  -1  -3] 5  3  6  7       31  3 [-1  -3  5] 3  6  7       51  3  -1 [-3  5  3] 6  7       51  3  -1  -3 [5  3  6] 7       61  3  -1  -3  5 [3  6  7]      7

示例 2:

输入:nums = [1], k = 1
输出:[1]

提示:

  • 1 <= nums.length <= 105
  • -104 <= nums[i] <= 104
  • 1 <= k <= nums.length

这道题目很难,对于第一次做的人来说,力扣上面的困难题目还是很有挑战性的,这道题目考察的就是单调队列的应用,很多人可能会想到优先级队列,在脑袋里面大概想了一下可能觉得可以,但其实不行,因为优先级队列会打乱顺序,就比如nums = [1,3,-1,-3,5,3,6,7], k = 3,刚开始排序[3,1,-1],没问题,最大值在队头,然后我们还需要向右移动,然后弹出1,可是优先级队列中1在队列的中间,无法弹出,所以就无法实现找滑动窗口中的最大值。

我们可以利用双端队列来构造一个单调队列来解决这道题目。

  • 创建一个双端队列(Deque)来存储元素的索引,而不是存储元素的值,这是因为我们需要在队列中比较索引,以确定元素是否在窗口内,创建一个空列表 result 来存储最终的结果。
  • 我们开始遍历数组 nums,逐个处理每个元素。
  • 在每次遍历之前,检查队列的首元素是否已经超出了当前窗口的范围,如果队列的首元素对应的索引小于当前索引减去窗口大小 k 加 1,就将队列的首元素弹出(出队),因为它不再在窗口内。
  • 继续检查队列中的元素,如果队列中的元素对应的数组值小于等于当前元素的值,将它们从队列的尾部弹出,因为它们不可能是窗口内的最大值,我们的目标是确保队列中的元素是按照递减顺序排列的,以便窗口内的最大值总是在队列的首元素位置。
  • 将当前元素的索引添加到队列的尾部。
  • 当我们遍历到达满足窗口大小的位置(即当前索引大于等于 k-1),就可以获取窗口内的最大值。这是因为我们确保队列的首元素是当前窗口内的最大值的索引。将队列的首元素对应的值添加到结果列表 result 中。
  • 继续遍历整个数组,重复上述步骤直到遍历完成。
  • 最后返回结果列表 result,其中包含了每个窗口内的最大值。

思路清楚,下面我们来写一下代码:

(1)Python版本代码

from collections import deque
class Solution:def maxSlidingWindow(self, nums, k):result = [] # 用于存储最终的滑动窗口最大值window = deque()    # 创建一个双端队列用于存储窗口内的元素索引n = len(nums)for i in range(n):      if window and window[0] < i - k + 1:    # 移除队列中超出窗口范围的索引window.popleft()while window and nums[i] >= nums[window[-1]]:   # 移除队列中比当前元素小的元素索引window.pop()window.append(i)    # 将当前元素的索引加入队列if i >= k - 1:  # 当窗口形成后,将队列的首元素对应的值加入结果列表result.append(nums[window[0]])return result

下面是代码随想录中的代码:

from collections import dequeclass MyQueue: #单调队列(从大到小def __init__(self):self.queue = deque() #这里需要使用deque实现单调队列,直接使用list会超时#每次弹出的时候,比较当前要弹出的数值是否等于队列出口元素的数值,如果相等则弹出。#同时pop之前判断队列当前是否为空。def pop(self, value):if self.queue and value == self.queue[0]:self.queue.popleft()#list.pop()时间复杂度为O(n),这里需要使用collections.deque()#如果push的数值大于入口元素的数值,那么就将队列后端的数值弹出,直到push的数值小于等于队列入口元素的数值为止。#这样就保持了队列里的数值是单调从大到小的了。def push(self, value):while self.queue and value > self.queue[-1]:self.queue.pop()self.queue.append(value)#查询当前队列里的最大值 直接返回队列前端也就是front就可以了。def front(self):return self.queue[0]class Solution:def maxSlidingWindow(self, nums: List[int], k: int) -> List[int]:que = MyQueue()result = []for i in range(k): #先将前k的元素放进队列que.push(nums[i])result.append(que.front()) #result 记录前k的元素的最大值for i in range(k, len(nums)):que.pop(nums[i - k]) #滑动窗口移除最前面元素que.push(nums[i]) #滑动窗口前加入最后面的元素result.append(que.front()) #记录对应的最大值return result

(2)C++版本代码

#include <vector>
#include <deque>class Solution {
public:std::vector<int> maxSlidingWindow(std::vector<int>& nums, int k) {std::vector<int> result;std::deque<int> window;int n = nums.size();for (int i = 0; i < n; ++i) {// 移除队列中超出窗口范围的索引if (!window.empty() && window.front() < i - k + 1) {window.pop_front();}// 移除队列中比当前元素小的元素索引while (!window.empty() && nums[i] >= nums[window.back()]) {window.pop_back();}// 将当前元素的索引加入队列window.push_back(i);// 当窗口形成后,将队列的首元素对应的值加入结果列表if (i >= k - 1) {result.push_back(nums[window.front()]);}}return result;}
};
  • 时间复杂度: O(n)
  • 空间复杂度: O(k)

后续研究了一下,发现这题可以用优先队列实现的,也就是用大根堆实现,下面直接给出我学到的代码,感兴趣的朋友可以研究一下:

#include <vector>
#include <queue>
#include <utility>class Solution {
public:std::vector<int> maxSlidingWindow(std::vector<int>& nums, int k) {std::vector<int> result;std::priority_queue<std::pair<int, int>> pq; // 存储元素值和索引的大根堆for (int i = 0; i < nums.size(); ++i) {while (!pq.empty() && pq.top().second <= i - k) {pq.pop(); // 移除不在窗口内的元素}pq.push({nums[i], i});if (i >= k - 1) {result.push_back(pq.top().first); // 将窗口的最大值加入结果列表}}return result;}
};

此时的时间复杂度到达了O(log k)。

2 LeetCode 347.前K个高频元素

题目链接:https://leetcode.cn/problems/top-k-frequent-elements/description/

给你一个整数数组 nums 和一个整数 k ,请你返回其中出现频率前 k 高的元素。你可以按 任意顺序 返回答案。

示例 1:

输入: nums = [1,1,1,2,2,3], k = 2
输出: [1,2]

示例 2:

输入: nums = [1], k = 1
输出: [1]

提示:

  • 1 <= nums.length <= 105
  • k 的取值范围是 [1, 数组中不相同的元素的个数]
  • 题目数据保证答案唯一,换句话说,数组中前 k 个高频元素的集合是唯一的

**进阶:**你所设计算法的时间复杂度 必须 优于 O(n log n) ,其中 n 是数组大小。

一般来说,题目出现统计元素频率以及找出频率前K个元素,我们就要想到map和堆的结合运用,其中map很适合用来统计元素频率,然后堆也很适合维系一个单调的K个元素的排序集合,然后对数据集不断地遍历,不断地更新维系地集合。

堆有两种形式,一种是大顶堆(也叫大根堆),另一种是小顶堆(也叫小根堆),相信学过408的朋友对堆这种数据结构应该不陌生,那么在本题中我们应该选择哪一种形式的堆呢?答案是小顶堆,为什么?因为如果选择大顶堆,那么我们在每次加入元素之后,判断堆中元素是否超过K个(因为我们只需要维系K个元素即可),如果超过我们就需要将堆顶元素弹出,但是大顶堆的话此时堆顶元素是最大值,最后遍历完我们其实收集的是前K个低频元素,刚好相反了,因此我们就需要选择小顶堆来实现(可以手动画图感受一下,堆也就是一颗完全二叉树)。

(1)Python版本代码

import heapqclass Solution:def topKFrequent(self, nums, k):# 统计每个元素的频率hashmap = {}for num in nums:hashmap[num] = hashmap.get(num, 0) + 1# 使用最小堆来存储所有元素heap = []for key, value in hashmap.items():heapq.heappush(heap, (value, key))  # 存储频率和元素# 弹出除了频率最高的k个元素之外的所有元素while len(heap) > k:heapq.heappop(heap)# 提取结果return [key for _, key in heap]if __name__ == '__main__':s = Solution()nums = list(map(int, input().split()))k = int(input())print(s.topKFrequent(nums, k))

(2)C++版本代码

#include <iostream>
#include <vector>
#include <queue>
#include <unordered_map>
#include <utility>
#include <functional>class Solution {
public:std::vector<int> topKFrequent(std::vector<int>& nums, int k) {// 统计每个元素的频率std::unordered_map<int, int> hashmap;for (int num : nums) {++hashmap[num];}// 使用最小堆来存储所有元素std::priority_queue<std::pair<int, int>, std::vector<std::pair<int, int>>, std::greater<std::pair<int, int>>> heap;for (auto& it : hashmap) {heap.push({it.second, it.first});if (heap.size() > k) {heap.pop();}}std::vector<int> result;while (!heap.empty()) {result.push_back(heap.top().second);heap.pop();}return result;}
};int main() {Solution s;std::vector<int> nums;int num;while (std::cin >> num) {nums.push_back(num);if (std::cin.peek() == '\n') break;}int k;std::cin >> k;std::vector<int> result = s.topKFrequent(nums, k);for (int i : result) {std::cout << i << " ";}std::cout << std::endl;return 0;
}
  • 时间复杂度:O(nlogn)
  • 空间复杂度:O(n)

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.mzph.cn/news/646515.shtml

如若内容造成侵权/违法违规/事实不符,请联系多彩编程网进行投诉反馈email:809451989@qq.com,一经查实,立即删除!

相关文章

防御课程—华为USG6000V1的配置实验(一)

实验拓扑&#xff1a; 实验分析 由实验拓扑图需求分析可知我们在生产区和办公区需要用到子接口技术 实验配置 在Cloud1上配置 在DMZ区域配置 在server1上配置在server2上配置在防火墙上进行的配置 由实验拓扑图可知防火墙与DMZ区域相连的接口为GigabitEthernet1/0/0接口 …

Pandas.Series.median() 中位数 详解 含代码 含测试数据集 随Pandas版本持续更新

关于Pandas版本&#xff1a; 本文基于 pandas2.2.0 编写。 关于本文内容更新&#xff1a; 随着pandas的stable版本更迭&#xff0c;本文持续更新&#xff0c;不断完善补充。 传送门&#xff1a; Pandas API参考目录 传送门&#xff1a; Pandas 版本更新及新特性 传送门&…

MySQL(基础篇)——SQL

一.SQL分类 二.DDL(数据定义语言) 1.DDL——数据库操作 ① 查询 查询所有数据库 SHOW DATABASES 查询当前所处数据库 SELECT DATABASE() ② 创建 CREATE DATABASE [IF NOT EXISTS] 数据库名(通常以db结尾) [DEFAULT CHARSET 字符集] [COLLATE 排序规则] ③ …

C++拾遗(四)引用与指针

引用和指针是两种不同的概念&#xff0c;尽管它们在某些方面有一些相似之处&#xff0c;但它们在功能和用途上是有所区别 声明与定义 引用&#xff1a;引用是别名&#xff0c;是对已存在变量的另一个称呼&#xff0c;一旦一个变量被引用&#xff0c;就不能再被引用其他变 量…

java分布式锁详解

本地锁 浏览器把100w请求由网关随机往下传&#xff0c;在集群情况下&#xff0c;每台服务都放行10w请求过来&#xff0c;这时候每台服务都用的是本地锁是跨JVM的&#xff0c; 列如这些服务都没有49企业&#xff0c;此时有几个服务进行回原了打击在DB上面&#xff0c;那后期把这…

Allegro PCB如何关联原理图?

在用Allegro进行PCB设计时,我们可以点击Orcad原理图上的器件,然后PCB会自动跳转到该器件。那如何操作PCB上的器件点击跳转到原理图呢? 这种方式可以提高设计的效率。具体操作如下。 选择菜单栏Display

【软考问题】-- 2 - 知识精讲 - 项目立项管理

一、基本问题 1&#xff1a;项目投资前时期的四个阶段是什么&#xff1f; a.项目建议与立项申请 (1)定义&#xff1a;项目建设单位向上级主管部门提交项目申请时所必须的文件。(2)特点&#xff1a;项目发展周期的初始阶段、可行性研究的依据。(3)注意&#xff1a;又称项目建议书…

xinput1_3.dll文件的几种修复办法以及修复xinput1_3.dll注意事项

xinput1_3.dll文件是DirectX的一部分&#xff0c;它在Windows系统中负责处理游戏控制器的输入。然而&#xff0c;有时候此文件可能会出现问题&#xff0c;导致游戏无法正常运行或启动。在本文中&#xff0c;将介绍多种解决xinput1_3.dll文件问题的方法&#xff0c;并对它们进行…

【Web前端开发基础】CSS3之空间转换和动画

CSS3之空间转换和动画 目录 CSS3之空间转换和动画一、空间转换1.1 概述1.2 3D转换常用的属性1.3 3D转换&#xff1a;translate3d&#xff08;位移&#xff09;1.4 3D转换&#xff1a;perspective&#xff08;视角&#xff09;1.5 3D转换&#xff1a;rotate3d&#xff08;旋转&a…

vit细粒度图像分类(一)CADF学习笔记

1.摘要&#xff1a; 目的 基于Transformer架构的网络在图像分类中表现出优异的性能。然而&#xff0c;注意力机制往往只关注图像中的显著性特征&#xff0c;而忽略了其他区域的次级显著信息&#xff0c;基于自注意力机制的Transformer也是如此。为了获取更多的有效信息&#…

Spring基于AbstractRoutingDataSource实现MySQL多数据源

目录 多数据源实现 yml配置文件 配置类 业务代码 案例演示 多数据源实现 yml配置文件 spring:datasource:type: com.alibaba.druid.pool.DruidDataSourcedatasource1:url: jdbc:mysql://127.0.0.1:3306/datasource1?serverTimezoneUTC&useUnicodetrue&characte…

畅享阅读乐趣,探索精彩世界——推荐电子书网站

畅游书海&#xff0c;无限阅读——推荐优秀电子书网站https://nmbtngeg9486.github.io/ebook/ 在数字时代&#xff0c;电子书阅读已然成为一种时尚&#xff0c;而https://nmbtngeg9486.github.io/ebook/则是一座无限书海&#xff0c;为广大读者提供了丰富多彩的阅读选择。在这里…

企业转型:虚拟化对云计算的影响

虚拟化被认为是IT行业最优秀的技术之一。虚拟化提供的灵活性和效率&#xff0c;有助于企业根据不断变化的需求扩展其IT基础设施。虚拟化是云基础设施的基础&#xff0c;允许按需动态分配和管理计算资源。这种适应性对于满足现代企业的多样化需求至关重要&#xff0c;因为现代企…

外汇天眼:美国证券交易委员会(SEC)采纳了一系列规定,以加强与特殊目的收购公司(SPACs)相关的投资者保护

美国证券交易委员会&#xff08;SEC&#xff09;今天通过了一系列新规和修订&#xff0c;以增强特殊目的收购公司&#xff08;SPACs&#xff09;的首次公开募股&#xff08;IPOs&#xff09;中的披露&#xff0c;并在SPACs与目标公司之间的后续业务合并交易&#xff08;de-SPAC…

u盘可以分区吗?怎么分区?分区后不显示出来怎么办

随着科技的不断发展&#xff0c;U盘已经成为人们传输和存储数据的重要设备之一。而针对U盘的分区问题&#xff0c;很多人对此还不太了解。比如&#xff0c;U盘可以分区吗&#xff1f;U盘怎么分区&#xff1f;U盘分区后不显示出来怎么办&#xff1f;下面我们一起来针对这些问题进…

SpringCloud Aliba-Seata【下】-从入门到学废【8】

目录 1.数据库创建 1.seata_account库下建表 2.seata_order库下建表 3.seata_storage库下建表 4.在每个库下创建回滚日志 2.创建订单模块 2.1建工程 2.2加pom 2.3改yml 2.4file.conf 2.5registry.conf 2.6domain 2.7Dao 2.8Service 2.9controller 2.10confi…

对 MODNet 网络结构直接剪枝的探索

文章目录 1 写在前面2 遇到问题3 解决方案4 探索过程4.1 方案一4.2 方案二4.3 方案三 5 疑惑与思考5.1 Q15.2 Q2 1 写在前面 在前面的文章中&#xff0c;笔者与小伙伴们分享了对 MODNet 主干网络部分以及其余分支分别剪枝的探索历程&#xff0c;即先分解、再处理、后融合的手法…

c#模板设计模式

在 C# 中&#xff0c;模板设计模式是一种行为型设计模式&#xff0c;它允许定义一个算法的框架&#xff0c;并允许子类为一个或多个步骤提供实现。模板设计模式通过定义一个算法的骨架&#xff0c;而将一些步骤的实现延迟到子类中&#xff0c;以实现代码复用和提高扩展性。 以…

算法训练营Day38(动态规划1)

动态规划理论基础 动态规划&#xff0c;英文&#xff1a;Dynamic Programming&#xff0c;简称DP&#xff0c;如果某一问题有很多重叠子问题&#xff0c;使用动态规划是最有效的。 区别 动态规划中每一个状态一定是由上一个状态推导出来的&#xff0c;这一点就区分于贪心&…

C++:缺省参数函数重载

目录 C/C语言 函数调用的工作原理&#xff1a; 函数调用一般分为两个部分&#xff1a; 缺省参数&#xff1a; 缺省参数的分类&#xff1a; 全缺省参数 半缺省参数 注意事项&#xff1a; 缺省参数与C语言的调用参数对比&#xff1a; 函数重载&#xff1a; 函数重载…