代码随想录算法训练营第十一天|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

150. 逆波兰表达式求值

根据 逆波兰表示法，求表达式的值。

有效的运算符包括 + , - , * , / 。每个运算对象可以是整数，也可以是另一个逆波兰表达式。

说明：

整数除法只保留整数部分。 给定逆波兰表达式总是有效的。换句话说，表达式总会得出有效数值且不存在除数为 0 的情况。

逆波兰表达式：是一种后缀表达式，所谓后缀就是指运算符写在后面。

平常使用的算式则是一种中缀表达式，如 ( 1 + 2 ) * ( 3 + 4 ) 。

该算式的逆波兰表达式写法为 ( ( 1 2 + ) ( 3 4 + ) * ) 。

逆波兰表达式主要有以下两个优点：

去掉括号后表达式无歧义，上式即便写成 1 2 + 3 4 + * 也可以依据次序计算出正确结果。

适合用栈操作运算：遇到数字则入栈；遇到运算符则取出栈顶两个数字进行计算，并将结果压入栈中

---

class Solution:

    def evalRPN(self, tokens: List[str]) -> int:

        from operator import add,sub,mul

        def div(x,y):

            if x/y>0:

                return int(x/y)

            else:

                return -int(-x/y)

        admap={'+':add,'-':sub,'*':mul,'/':div}

        stack=[]

        for token in tokens:

            if token not in {'+','-','*','/'}:

                stack.append(int(token))

            else:

                op2=stack.pop()

                op1=stack.pop()

                stack.append(admap[token](op1,op2))

        return stack.pop()

---

239. 滑动窗口最大值

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。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。

进阶：

你能在线性时间复杂度内解决此题吗？

---

from typing import List

from collections import deque

class Solution:

    def maxSlidingWindow(self, nums: List[int], k: int) -> List[int]:

        dq=deque()

        result=[]

        for i,num in enumerate(nums):

            #降序

            #nums和dq都使用方括号取数

            while dq and nums[dq[-1]]<=num:

                dq.pop()

            dq.append(i)

            #处理队末小值

            if dq[0]<=i-k:

                dq.popleft()

            #处理队头大值

            if i>=k-1:

                result.append(nums[dq[0]])

            #需要等队列中有k个值

        return result

---

在Python中， deque （发音为“deck”，是“double-ended queue”的缩写）是 collections 模块中提供的一种数据结构，它是一个双端队列。

 deque 有以下特点和常见用法：

1. 高效的两端操作： deque 允许在队列的两端（头部和尾部）进行高效的添加和删除元素操作。在列表（ list ）中，在头部插入或删除元素的时间复杂度为O(n)，因为需要移动其他元素；而 deque 在两端操作的时间复杂度为O(1)。

2. 创建 deque 对象：

python

from collections import deque

# 创建一个空的deque

dq = deque()

# 创建一个包含初始元素的deque

dq = deque([1, 2, 3])

3. 添加元素：

-  append(x) ：在 deque 的右侧（尾部）添加一个元素 x 。

-  appendleft(x) ：在 deque 的左侧（头部）添加一个元素 x 。

python

dq = deque([1, 2, 3])

dq.append(4)

print(dq) # deque([1, 2, 3, 4])

dq.appendleft(0)

print(dq) # deque([0, 1, 2, 3, 4])

4. 删除元素：

-  pop() ：移除并返回 deque 右侧（尾部）的元素。

-  popleft() ：移除并返回 deque 左侧（头部）的元素。

python

dq = deque([0, 1, 2, 3, 4])

print(dq.pop()) # 4

print(dq) # deque([0, 1, 2, 3])

print(dq.popleft()) # 0

print(dq) # deque([1, 2, 3])

5. 限制长度：可以在创建 deque 时指定最大长度，当 deque 达到最大长度后，再添加元素时，会自动从另一端移除元素。

python

dq = deque(maxlen=3)

dq.append(1)

dq.append(2)

dq.append(3)

dq.append(4)

print(dq) # deque([2, 3, 4])

 deque 在处理需要频繁在队列两端进行操作的场景中非常有用，比如广度优先搜索（BFS）算法中存储待访问的节点等。

---

347.前 K 个高频元素

给定一个非空的整数数组，返回其中出现频率前 k 高的元素。

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]

---

class Solution:
    def topKFrequent(self, nums: List[int], k: int) -> List[int]:
        from collections import Counter
        count=collections.Counter(nums)

#Counter是统计元素频数的函数
        dct=count.most_common(k)

#k个，返回元组组成的列表
        dct.sort(key=lambda x: x[1],reverse=True)

#lambda reverse
        lst=[dc[0] for dc in dct[:k]]
        return lst