代码随想录打卡第十二天补

第五章栈和队列 part2

150. 逆波兰表达式求值

本题不难，但第一次做的话，会很难想到，所以先看视频，了解思路再去做题

题目链接/文章讲解/视频讲解：https://programmercarl.com/0150.%E9%80%86%E6%B3%A2%E5%85%B0%E8%A1%A8%E8%BE%BE%E5%BC%8F%E6%B1%82%E5%80%BC.html

这个题目的话，首先想到的就是使用栈的解法，需要一遇到运算符进行取出顶上两个元素的操作，然后再将运算结果放入栈中。思路比较简单

问题：

数据结构栈的使用：Deque还是什么

怎么判断是数字还是运算符

看了代码随想录的之后，发现可以直接进行比较运算符，使用equals，然后使用if else结构就可以直接的获取非运算符的数字了，其次主义题目中其实说明了除法中的取整

然后在写的时候发现，取出来的是数字，只要存进去的时候转换为数字，取出来肯定是数字，然后就是，字符相等的比较的时候，单双引号的问题，单引号是字符，双引号是字符串。但是为什么在取出来的时候不用字符那，因为是字符串数组，不是字符数组

class Solution {public int evalRPN(String[] tokens) {Deque<Integer> stack = new LinkedList<>();for (String eachstr : tokens){if(eachstr.equals("+")){stack.push(stack.pop() + stack.pop());} else if(eachstr.equals("-")) {int s1 = stack.pop();int s2 = stack.pop();stack.push( s2 - s1);} else if (eachstr.equals("*")) {stack.push( stack.pop() * stack.pop());} else if (eachstr.equals("/")) {int s1 = stack.pop();int s2 = stack.pop();stack.push( s2 / s1);} else {stack.push(Integer.valueOf(eachstr));}}return stack.pop();}
}

239. 滑动窗口最大值（有点难度，可能代码写不出来，但一刷至少需要理解思路）

之前讲的都是栈的应用，这次该是队列的应用了。

本题算比较有难度的，需要自己去构造单调队列，建议先看视频来理解。

题目链接/文章讲解/视频讲解：https://programmercarl.com/0239.%E6%BB%91%E5%8A%A8%E7%AA%97%E5%8F%A3%E6%9C%80%E5%A4%A7%E5%80%BC.html

思路：读完题目，觉得，我每次智能看到窗口里面的数字，然后我只需要每次移动之后，找到窗口的最大值并存入一个数组就可以。然后窗口的数据结构的实现用什么那，然后这道题目的难点应该在于每次如何找到窗口的最大值。如果吗每次都需要遍历就很复杂。

看完代码随想录：单调队列，首先理解单调队列的思想，就是维护一个队首为最大值的队列，注意仅仅针对这道题目来说，然后就是，队列里面需要存储的是这个窗口的数据，每次在添加元素的时候，需要判断这个元素是否比队列末尾的元素大，打的话就替换掉，同时也要注意队首的元素是否存在于这个窗口中，也就是需要判断窗口移动的时候是否移出去的数据是队头元素。

回顾一下双端队列的new方法和添加删除元素的方法：

今日收获：在写代码模拟过程的时候，其实放在最普通最中间的情况去看待问题，从大方向去把握代码的各部分内容，再从细节把握每部分的具体操作

先写一个队列存储的下标的版本

class Solution {public int[] maxSlidingWindow(int[] nums, int k) {ArrayDeque<Integer> deque = new ArrayDeque<>();int[] res = new int[nums.length - k + 1];int idx=0;for (int i = 0; i < nums.length; i++){//先看队头元素是否需要移除,i指代需要加入队列的元素的下标，注意这里需要使用whilewhile(!deque.isEmpty() && deque.peekFirst() <= i-k){//注意这里需要指明是队头deque.pollFirst();}//加入队尾元素while(!deque.isEmpty() && nums[deque.peekLast()] <nums[i] ){deque.removeLast();}//添加元素的话需要在循环外面deque.addLast(i);if (i+1 >= k){res[idx] = nums[deque.peekFirst()];idx++;}}return res;}
}

347.前 K 个高频元素（有点难度，可能代码写不出来，一刷至少需要理解思路）

大/小顶堆的应用，在C++中就是优先级队列

本题是大数据中取前k值的经典思路，了解想法之后，不算难。

题目链接/文章讲解/视频讲解：https://programmercarl.com/0347.%E5%89%8DK%E4%B8%AA%E9%AB%98%E9%A2%91%E5%85%83%E7%B4%A0.html

这里我们就先理解下思路，直接看代码随想录的

/*Comparator接口说明:* 返回负数，形参中第一个参数排在前面；返回正数，形参中第二个参数排在前面* 对于队列：排在前面意味着往队头靠* 对于堆（使用PriorityQueue实现）：从队头到队尾按从小到大排就是最小堆（小顶堆），*                                从队头到队尾按从大到小排就是最大堆（大顶堆）--->队头元素相当于堆的根节点* */
class Solution {//解法1：基于大顶堆实现public int[] topKFrequent1(int[] nums, int k) {Map<Integer,Integer> map = new HashMap<>(); //key为数组元素值,val为对应出现次数for (int num : nums) {map.put(num, map.getOrDefault(num,0) + 1);}//在优先队列中存储二元组(num, cnt),cnt表示元素值num在数组中的出现次数//出现次数按从队头到队尾的顺序是从大到小排,出现次数最多的在队头(相当于大顶堆)PriorityQueue<int[]> pq = new PriorityQueue<>((pair1, pair2) -> pair2[1] - pair1[1]);for (Map.Entry<Integer, Integer> entry : map.entrySet()) {//大顶堆需要对所有元素进行排序pq.add(new int[]{entry.getKey(), entry.getValue()});}int[] ans = new int[k];for (int i = 0; i < k; i++) { //依次从队头弹出k个,就是出现频率前k高的元素ans[i] = pq.poll()[0];}return ans;}//解法2：基于小顶堆实现public int[] topKFrequent2(int[] nums, int k) {Map<Integer,Integer> map = new HashMap<>(); //key为数组元素值,val为对应出现次数for (int num : nums) {map.put(num, map.getOrDefault(num, 0) + 1);}//在优先队列中存储二元组(num, cnt),cnt表示元素值num在数组中的出现次数//出现次数按从队头到队尾的顺序是从小到大排,出现次数最低的在队头(相当于小顶堆)PriorityQueue<int[]> pq = new PriorityQueue<>((pair1, pair2) -> pair1[1] - pair2[1]);for (Map.Entry<Integer, Integer> entry : map.entrySet()) { //小顶堆只需要维持k个元素有序if (pq.size() < k) { //小顶堆元素个数小于k个时直接加pq.add(new int[]{entry.getKey(), entry.getValue()});} else {if (entry.getValue() > pq.peek()[1]) { //当前元素出现次数大于小顶堆的根结点(这k个元素中出现次数最少的那个)pq.poll(); //弹出队头(小顶堆的根结点),即把堆里出现次数最少的那个删除,留下的就是出现次数多的了pq.add(new int[]{entry.getKey(), entry.getValue()});}}}int[] ans = new int[k];for (int i = k - 1; i >= 0; i--) { //依次弹出小顶堆,先弹出的是堆的根,出现次数少,后面弹出的出现次数多ans[i] = pq.poll()[0];}return ans;}
}