代码随想录算法训练营十三天 ｜● 239. 滑动窗口最大值● 347.前 K 个高频元素

最新推荐文章于 2025-12-20 17:21:30 发布
原创 最新推荐文章于 2025-12-20 17:21:30 发布 · 210 阅读 · 0 ·
CC 4.0 BY-SA版权
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
文章标签：

#算法

文章讨论了两种数据结构在算法问题中的应用：一是使用单调队列解决滑动窗口最大值问题，二是利用小顶堆配合map找出数据集中前K个高频元素，强调了这两种方法相对于传统栈和队列的优势。

239. 滑动窗口最大值

该题目使用一种既不像stack又不像queue的东西，代码随想录里面说是单调队列；是单调递减，但不像队列。

347.前 K 个高频元素

较为简单，就是用map计算频率，再使用小顶堆排序，使用小顶堆比直接用快排要快。堆排序的知识好久没学，已经忘记了；上次学还是大一的时候。

C_truth
关注
代码随想录算法训练营第 11 天 | LeetCode150. 逆波兰表达式求值 LeetCode239. 滑动窗口最大值 LeetCode347.前 K 个高频元素
2301_79647020的博客
07-14 1463
本章重点1、用队列实现栈2、用站实现队列3、栈的应用：逆波兰式、有效括号4、队列应用：滑动窗口最大值5、优先队列：本质是大顶堆和小顶堆，前k个高频元素。
代码随想录算法训练营第九天 --栈和队列2 || 150.逆波兰表达式求值 / 239.滑动窗口最大值 / 347.前k个高频元素
2402_83930684的博客
09-11 1246
摘要 本文解析了三道LeetCode算法题的解题思路与代码实现： 逆波兰表达式求值(150题)：通过栈结构实现，遇到数字入栈，遇到运算符取出栈顶两个元素运算后结果入栈。关键点在于减法除法操作数的顺序处理。 滑动窗口最大值(239题)：设计单调队列维护窗口最大值。队列保持递减顺序，队首始终为最大值。通过push()和pop()方法动态维护队列，每次滑动获取队首元素即为窗口最大值。 前K个高频元素(347题)：先用哈希表统计频率，再使用小顶堆（优先级队列）对频率排序。维护大小为K的堆，最终倒序输出即为前K高频元
代码随想录算法训练营十三天|● 239. 滑动窗口最大值● 347.前 K 个高频元素
qq_42849900的博客
03-27 151
提示：文章写完后，目录可以自动生成，如何生成可参考右边的帮助文档。
代码随想录算法训练营第13天 | ● 239. 滑动窗口最大值 ● 347.前 K 个高频元素 ● 总结
henry87653的博客
03-16 257
如果新压入元素比队尾入口元素还要大，那么则新元素“又大又新”，队尾入口元素“永无出头之日”，不可能成为滑动窗口最大值，因此可以直接把队尾元素移除。为了降低新增删除的时间复杂度，只把有可能成为“窗口中最大值”的元素存储在单调队列中，而不是全部k个。有可能成为“窗口中最大值”的元素，满足两个条件：“足够大”是窗口中最大的，“足够新”，必须在滑动窗口中。上述定义的单调队列，可以称之为，找系列元素最值的专用数据结构，在这个系列元素本身新增删除的时候，仍然可以以O(1)的时间找到最值。每次新进窗口的元素，也即需要。
代码随想录算法训练营第13天|● 239. 滑动窗口最大值● 347.前 K 个高频元素
sinat_31325467的博客
04-15 403
用一个队列维持最大值，对于有可能当最大值的进队列，用入口元素维持队列的元素递减。这里要用到deque,用list超时 注意deque的pop和popleft。堆用最小堆（弹出最小，留下最大）（堆就是二叉树 后面看二叉树堆怎么写）这里引用了heapq heapq的内置函数要看熟。要用到堆，搞一个优先级队列。
代码随想录算法训练营 day13 || 239. 滑动窗口最大值，347. 前K个高频元素
旭
01-08 1037
解题状态：第一题在有了单调队列的思路后自行实现；第二题未能解出。239. 滑动窗口最大值思路：本题官方题解以及代码随想录所给出的代码中都用到了Deque这种双向队列，双向队列是一种首尾皆可出队与入队的特殊队列。这种工具非常值得学习，特别是我这个不会的人。回到这道题，由于我对双向队列的陌生，我认为与大多数栈与队列题目类似，栈与队列仅仅是一种数据存储的工具，因此可以采用任何容器结合静态指针实现栈与队列的模拟，甚至在一定程度上，会比声明Stack与Queue结构来的更加具有时间效率。
代码随想录算法训练营第十三天|239. 滑动窗口最大值 347.前 K 个高频元素
滋滋牛排味的博客
05-20 476
踩坑：一开始觉得很简单，暴力求解即可，之后看了视频，学习了思路。因为先看了视频，所以没踩什么坑思路：核心是怎么维护窗口内的数。固定窗口每次向后移动一格的行为很像队列，所以考虑使用队列这一数据结构。队列在push元素时，判断队尾元素是否大于新元素，若小于则pop队尾元素（），直到队尾大于等于新元素，再将新元素push，即保持队列中元素的递减（非严格）。这样可以将窗口内最大的元素保持在队首。pop时需要判断队首元素与窗口抛弃的元素是否相等，相等才pop，不相等说明在之前push阶段已经pop了。
代码随想录算法训练营第13天| LeetCode 239. 滑动窗口最大值 347.前 K 个高频元素
贵有恒何必三更眠五更起 最无益只怕一日曝十日寒
07-10 278
接着遍历了哈希表，如果堆的大小小于 k，就将当前元素加入堆中。否则，如果当前元素的频率大于堆顶元素的频率，就用当前元素替换堆顶元素。最后将堆中的元素取出，这就是出现频率最高的 k 个元素。遍历整个输入数组，对于数组中的每个元素，如果队列不为空且队列头部的元素已经不在窗口中，就将其从队列中删除。然后从队列尾部开始，删除所有小于当前元素的元素。最后，如果遍历到的元素已经是窗口的最后一个元素，那么将队列头部的元素添加到结果数组中。这是因为队列头部的元素总是当前窗口中的最大元素。在遍历结束后，返回结果数组即可。
代码随想录算法训练营第十三天| 239.滑动窗口最大值、347.前K个高频元素
weixin_44041958的博客
03-20 1045
个最高频次的元素的数组时，从数组后面开始加入元素，先弹出的是堆的根，出现次数少，后面弹出的出现次数多，这样最终该数字是从大到小返回的。个元素中出现次数最少的那个)时，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，再加入当前元素即可。b表示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)。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)。个元素的数组，再加入优先级队列。Lambda 表达式。
代码随想录算法训练营第十三天 | LeeCode 239. 滑动窗口最大值，347.前 K 个高频元素
thels_的博客
02-05 1185
寻找前k个最大元素流程如图所示：（图中的频率只有三个，所以正好构成一个大小为3的小顶堆，如果频率更多一些，则用这个小顶堆进行扫描）定义：priority_queue//默认是大顶堆Type 就是数据类型，Container 就是容器类型（Container必须是用数组实现的容器，比如vector,deque等等，但不能用 list。
代码随想录算法训练营第十三天 |239. 滑动窗口最大值、347.前 K 个高频元素
github：https://github.com/zhongzhengli13
05-02 419
这两天玩的有点狠，一直没打卡。。。现在补打卡喽这部分对我而言有些难理解，一刷的话需要理解一下做题思路目前没有去学习大根堆和小根堆，找时间学习一下。
代码随想录算法训练营第13天 | LeetCode 239. 滑动窗口最大值，347.前 K 个高频元素，总结
a976903676的博客
11-08 451
LeetCode 239. 滑动窗口最大值，347.前 K 个高频元素，总结
代码随想录算法训练营43期 | Day 11——150. 逆波兰表达式求值、239. 滑动窗口最大值（单调队列）、347.前 K 个高频元素（优先级队列）
当代优秀青年的学习博客
08-13 1141
单调队列：每次窗口移动的时候，调用que.pop(滑动窗口中移除元素的数值)，que.push(滑动窗口添加元素的数值)，然后que.front()就返回我们要的最大值。给定一个数组 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。此时我们需要一个队列，这个队列呢，放进去窗口里的元素，然后随着窗口的移动，队列也一进一出，每次移动之后，队列告诉我们里面的最大值是什么。此处的 “队列” 跟普通队列的一大不同就在于可以从队尾进行操作，STL 中有类似的数据结构 deque。
【代码随想录训练营】【Day12休息】【Day13】第五章｜栈与队列｜239. 滑动窗口最大值｜347.前 K 个高频元素｜总结
士多啤梨先生の博客
02-13 2193
【代码随想录训练营】【Day12休息】【Day13】第五章｜栈与队列｜239. 滑动窗口最大值｜347.前 K 个高频元素｜总结
LeetCode热题100--70. 爬楼梯--简单
最新发布
2301_80071187的博客
12-20 154
这道题考察爬楼梯问题，每次可以爬1或2个台阶，求爬到n阶的不同方法数。采用动态规划解法，初始化dp数组，dp[0]=1，dp[1]=1。对于i≥2，dp[i]=dp[i-1]+dp[i-2]，即当前台阶的方法数等于前两个台阶方法数之和。最终返回dp[n]即为结果。该解法时间复杂度O(n)，空间复杂度O(n)。
智驾空间智能、物理智能、世界模型相关的最新论文和开源算法链接
Bonaventure的博客
12-16 1029
这些资源涵盖了2025年自动驾驶领域的前沿研究，从空间推理到物理建模和世界模拟，提供了丰富的开源工具和理论框架。建议用户通过链接深入探索论文和代码，以应用于实际项目或进一步研究。如果您需要更详细的解读或特定应用建议，请随时补充信息！
从零开始写算法——链表篇4:删除链表的倒数第 N 个结点 + 两两交换链表中的节点
m0_59624833的博客
12-15 912
hot100链表的两道题详解。
(leetcode) 力扣100 15轮转数组（环状替代）
qq_62235017的博客
12-18 978
我们利用这个过程，首先计算需要多少个从起点走回起点的圈数（count，为数组长度与步数的最大公约数，具体推推导后面会给），然后再遍历每一圈，通过创建一个临时变量（current,next，类似于指针的作用），来存储需要移动的变量将其移动到下一个位置，而下一个位置变为信的需移动变量，直到走完当前圈数。我们可以把数组想象一个圆圈，如果我们每次固定步数前进，肯定会在有限圈数回到出发点，这个过程中，有可能会遍历完数组所有数，有可能遍历有限数。这句话的意思是：在这个游戏中，你启动一次任务，只能覆盖到。
【算法笔记】AC自动机
u012559967的专栏
12-19 718
AC自动机: AC自动机是一种高效的多模式字符串匹配算法，它巧妙地将 Trie树的字典结构与 KMP算法的失配指针思想相结合，能同时在一段文本中查找多个模式串的所有出现位置，广泛应用于敏感词过滤、生物信息学序列分析等领域。在字符串匹配领域，我们会遇到两类问题：单模式匹配：给定一个文本字符串和一个模式字符串，判断模式字符串是否出现在文本字符串中。《【算法笔记】KMP算法》多模式匹配：给定一个文本字符串和多个模式字符串，判断所有模式字符串是否出现在文本字符串中。解决方案：AC自动机算法。
代码随想录算法训练营第一天
01-21
### 代码随想录算法训练营第一天学习内容 #### 二分查找 在第一天的学习中，参与者深入探讨了二分查找这一高效搜索技术。该方法适用于已排序的数据集，通过不断将搜索区间减半来快速定位目标值的位置[^1]。 对于实现二分查找而言，重要的是掌握边界条件以及如何更新左右指针。以下是基于 C++ 的简单例子： ```cpp int binarySearch(vector<int>& nums, int target) { int left = 0; int right = nums.size() - 1; while (left <= right) { int mid = left + (right - left) / 2; // 防止溢出 if (nums[mid] == target) { return mid; } else if (nums[mid] < target) { left = mid + 1; } else { right = mid - 1; } } return -1; // 如果找不到则返回-1表示未找到 } ``` #### 移除元素 另一个重点在于移除指定数值的元素操作。此过程通常采用双指针策略中的快慢指针模式来进行优化处理。具体来说，就是利用两个索引来遍历整个列表并覆盖掉不需要保留下来的项[^3]。 下面是一个具体的 C++ 实现案例： ```cpp int removeElement(vector<int>& nums, int val) { int slowIndex = 0; for (int fastIndex = 0; fastIndex < nums.size(); ++fastIndex) { if (nums[fastIndex] != val) { nums[slowIndex++] = nums[fastIndex]; } } return slowIndex; } ``` 这些练习不仅帮助学员巩固基础数据结构的知识点，还提升了实际编程能力，特别是针对 STL 容器类的应用技巧[^2]。
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
红包 添加红包
表情包 插入表情
表情包 代码片
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值