代码随想录训练营 栈与队列

使用优先队列实现TopK高频元素
该文章介绍了一种利用C++编程实现的方法,通过小顶堆(优先队列)找出给定整数数组中出现频率最高的前K个元素。首先,统计每个元素的频率,然后构建一个固定大小为K的小顶堆,依次将元素及其频率压入堆中,如果堆满则弹出最小的元素。最后,堆中的元素即为高频元素,从堆顶按序取出即可得到结果。

前K个高频元素

优先队列(小顶堆)
在这里插入图片描述

class Solution {
public:

    // 构建小顶堆的比较规则
    //这里对()进行了重载,返回的是较大
    class mycomparison {
        public:
            bool operator()(const pair<int,int> & lhs, const pair<int,int> & rhs) {
                return lhs.second > rhs.second;
            }
    };

    
    vector<int> topKFrequent(vector<int>& nums, int k) {
           //统计元素出现的频率
        unordered_map<int,int> map;
        for(int i = 0; i < nums.size(); i++){
            map[nums[i]]++;
        }
    
    
    // 定义一个小顶堆,大小为k
    priority_queue<pair<int,int>, vector<pair<int, int>>, mycomparison> pri_que;

   // 用固定大小为k的小顶堆,扫面所有频率的数值
        for (unordered_map<int, int>::iterator it = map.begin(); it != map.end(); it++) {
            pri_que.push(*it);
            if (pri_que.size() > k) { // 如果堆的大小大于了K,则队列弹出,保证堆的大小一直为k
                pri_que.pop();
            }
        }

    vector<int> result(k);
    for (int i =k - 1; i >= 0; i--){
        result[i] = pri_que.top().first;
        pri_que.pop();
    }
    return result;
    }
};
### 关于队列数据结构解析 #### 双端队列 (Deque) 双端队列是一种特殊的数据结构,允许在两端高效地执行插入和删除操作。Python 中的 `collections.deque` 提供了这种功能,其设计使得它非常适合处理需要频繁在一端或两端进行元素增删的操作场景[^1]。 以下是 `deque` 的一些常用方法及其作用: - **append(x)**: 将元素 x 添加到右端。 - **appendleft(x)**: 将元素 x 添加到左端。 - **pop()**: 移除并返回右端的元素。 - **popleft()**: 移除并返回左端的元素。 下面是一个简单的代码示例展示如何使用 `deque`: ```python from collections import deque dq = deque() dq.append(1) # 在右侧添加元素 1 dq.appendleft(2) # 在左侧添加元素 2 print(dq.popleft()) # 输出 2 并将其从左侧移除 print(dq.pop()) # 输出 1 并将其从右侧移除 ``` #### 队列 (Queue) 队列是一种遵循 FIFO(First In First Out,先进先出)原则的数据结构。标准库中的 STL 队列并不提供迭代器支持,因此无法像列表那样直接遍历其中的元素[^3]。然而,在实际编程中,我们通常会借助其他工具来实现更灵活的功能。 对于 C++ 而言,虽然 STL 队列不具备可迭代特性,但它可以通过底层容器(如 vector 或 list)间接访问内部存储的内容。而在 Python 中,则可以利用 `queue.Queue` 类或者继续沿用前面提到过的 `deque` 来模拟传统意义上的队列行为。 #### 映射表 (Map/Hash Map) 映射表也是一种重要的数据结构形式之一,主要用于建立键值对之间的关联关系。当面对查找频率较高的需求时尤为适用。例如在一个给定数组里统计各个数值出现次数的任务就可以通过哈希映射轻松解决[^2]。 这里给出一段基于 map 统计整数数组各元素频次的例子: ```cpp #include <iostream> #include <unordered_map> int main(){ int nums[] = {1, 2, 3, 2, 4}; std::unordered_map<int,int> freq; for(auto num : nums){ freq[num]++; } for(const auto& pair : freq){ std::cout << "Number:" << pair.first << ", Frequency:"<<pair.second<<std::endl; } } ``` 以上程序片段展示了如何运用 unordered_map 对一组数字进行快速有效的频率分析。 --- ### 总结 无论是作为基础构建模块还是高级算法的核心组件,理解这些基本概念以及它们之间相互转换的能力都是非常必要的。希望上述解释能够帮助您更好地掌握有关队列以及其他相关联的知识点!
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
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
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
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