739. 每日温度
给定一个整数数组 temperatures ,表示每天的温度,返回一个数组 answer ,其中 answer[i] 是指对于第 i 天,下一个更高温度出现在几天后。如果气温在这之后都不会升高,请在该位置用 0 来代替。
示例 1:
输入: temperatures = [73,74,75,71,69,72,76,73]
输出: [1,1,4,2,1,1,0,0]
示例 2:
输入: temperatures = [30,40,50,60]
输出: [1,1,1,0]
示例 3:
输入: temperatures = [30,60,90]
输出: [1,1,0]
这道题目可以用单调栈,栈中递减保存着数组下标,当当前值大于栈顶的时候,存进 ans,然后 pop;一直重复这个过程。然后 push 下标:
class Solution {
public:vector<int> dailyTemperatures(vector<int>& temperatures) {// 单调栈,;类似于消消乐int n = temperatures.size();stack<int> st;vector<int> ans(n, 0);for (int i = 0; i < n; i++) {while (!st.empty() && temperatures[st.top()] < temperatures[i]) {int p = st.top();st.pop();ans[p] = i-p;}st.push(i);}return ans;}
};
215. 数组中的第K个最大元素
利用优先队列,当前队列存在着 k 个最大的元素,如果是小堆,堆顶就是第 K 大的元素:
class Solution {
public:int findKthLargest(vector<int>& nums, int k) {priority_queue<int, vector<int>, greater<int>> miniHeap;for (int num : nums) {miniHeap.emplace(num);if (miniHeap.size() > k) {miniHeap.pop();}}return miniHeap.top();}
};
347. 前 K 个高频元素
这个稍微有点复杂,和上一道题目类似,首先统计到 map,然后构建优先队列,队列中存储 pair<int,int>
,按照 频率 进行排序。
最后将队列中元素全部弹出到答案就可以了:
class Solution {
public:vector<int> topKFrequent(vector<int>& nums, int k) {// 优于O(n log n),可以分步处理unordered_map<int, int> map;for (int num : nums) {map[num] += 1;}// 优先队列priority_queue<pair<int, int>, vector<pair<int, int>>, greater<pair<int, int>>> pq;for (auto& item : map) {pq.push(pair(item.second,item.first)); // (freq,value)if (pq.size() > k)pq.pop();}// 最终处理vector<int> ans;while (!pq.empty()) {ans.push_back(pq.top().second);pq.pop();}return ans;}
};
总结
1. 每日温度 (LeetCode 739)
此问题使用了单调栈的方法。单调栈是解决此类“下一个更大元素”问题的一个常见技术。通过维护一个从栈底到栈顶递减的栈,可以有效地找到每个元素右侧第一个更大的元素。
解法:
- 使用一个栈来保存温度的索引。
- 遍历温度数组,对于每个温度,如果当前温度大于栈顶索引对应的温度,则计算天数差并更新答案数组。
- 将当前索引推入栈中,等待后续的比较。
- 如果栈中剩余元素,对应的答案默认为0(已初始化)。
这种方法的时间复杂度是 O(n),因为每个元素最多入栈和出栈一次。
2. 数组中的第K个最大元素 (LeetCode 215)
此问题利用最小堆来解决。通过维护一个大小为 k 的最小堆,堆顶元素始终是当前遇到的第 k 大的元素。
解法:
- 使用一个最小堆来保存最大的 k 个元素。
- 遍历数组,将每个元素加入最小堆。
- 如果堆的大小超过 k,则弹出堆顶元素(最小元素)。
- 遍历完成后,堆顶元素即为第 k 大的元素。
这种方法的时间复杂度为 O(n log k),其中 n 是数组的长度。
3. 前 K 个高频元素 (LeetCode 347)
此问题首先使用一个哈希表来统计每个元素的频率,然后利用一个最小堆来找到频率最高的 k 个元素。
解法:
- 使用一个哈希表来统计每个元素的频率。
- 使用一个最小堆(存储频率和元素对)来维护最高频率的 k 个元素。
- 遍历哈希表,将频率和元素的对推入最小堆。
- 如果堆的大小超过 k,则弹出堆顶元素(频率最小的元素)。
- 遍历完成后,将堆中的元素收集到结果数组。
这种方法的时间复杂度为 O(n log k),其中 n 是数组的长度。