代码随想录 Day 11 | 【第五章栈与队列】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、总结-优快云博客

一、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：代码随想录

1. 看完代码随想录的想法

（1）首先需要充分理解什么是逆波兰表达式，相当于树中的后缀表达式，与平时使用的中序表达式并不相同。

定义一个初始化的空栈，然后去遍历输入的逆波兰表达式，遇到数字就向栈中添加数字元素，遇到运算符就取出栈顶的两个数字进行运算，再存放进栈中。直到最后全部遍历完成，输出最后结果。

（2）首先，从operator引入add, sub, mul运算；然后由于题目中要求两个整数之间的除法总是向零截断，不包含除0运算，所以额外去定义一个除法函数，防止除数为0，处理异常值。

（3）其次，定义一个空栈stack，然后去遍历输入的字符串数组，如果字符不是加减乘除中任意一个，那么说明是数字，则用int强制将char转化为整数，然后添加进栈中；如果遍历到的字符是运算符，则依次取出两个，然后将运算后的数添加进栈中；

（4）全部遍历完成后返回栈顶元素。

from operator import mul, add, sub

def div(x, y):
    if x * y > 0:
        return int(x/y)
    else:
        return -(abs(x) // abs(y))

class Solution(object):
    op_map = {'+': add, '-': sub, '*': mul, '/': div}

    def evalRPN(self, tokens: List[str]) -> int:
        stack = []
        for i in tokens:
            if i not in {'+', '-', '*', '/'}:
                stack.append(int(i))
            else:
                op2 = stack.pop()
                op1 = stack.pop()
                stack.append(self.op_map[i](op1,op2))
        return stack.pop()

2. 实现过程中遇到的困难及解决

（1）如何判断循环到的元素是数字：如果不在运算符字典中，那么就是数字；或者使用isdigit()函数进行判断。

（2）如何弹出栈顶两个元素进行运算：直接pop()一次弹出，并且将运算后的数再写入栈中，便于下次运算；要注意运算符是调用字典，用key取value运算函数。

（3）如何进行异常处理：对分母为0以及负数进行特别处理，通过取整、取绝对值的方式。

（4）实现过程中debug：1）空格没对齐报错；2）op1、op2的顺序需要特别注意，op1是第二个取出的，op2是栈顶元素，并且要按照先后放入栈的顺序进行运算。

二、239.滑动窗口最大值

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：代码随想录

1. 看完代码随想录的想法

（1）整体思路：按照给定k的大小去圈定滑动窗口，每次返回滑动窗口中的最大值，并将其添加进入结果集中；所以自定义一个队列，维护队列出口元素为滑动窗口最大值，只要新添加进来的元素比队列出口的元素大，那么把队列出口的元素全部弹出，然后将新元素添加进入队列入口，并且返回队列出口元素，将其放进结果集中，表示这是这一个滑动窗口的最大值。

（2）首先，自定义一个能完成上述操作的新类，然后最后在给定的主类中调用自定义类方法。

（3）自定义新类：首先引入单调队列，定义一个初始化队列方法；然后定义pop()函数，弹出之前必须判断队列是否为空，不为空才可以弹出，同时需要判断当前要弹出的数值是否是队列出口元素，必须在队列出口才可以弹出元素。

接下来定义push()函数，同样判断队列是否为空，并且如果需要添加的元素大于入口处的元素，那么就将比需添加元素的数值小的元素全部弹出，直到需要添加的数值小于等于队列入口元素，这样才能保持队列的元素单调从大到小。

最后定义获取滑动窗口最大值的函数front()，直接返回队列前端即可，因为该队列是由大到小排序的。

（4）主函数：首先定义一个新队列，调用自定义类方法，然后定义一个空数组，用于存放滑动窗口的最大元素。接下来，将给定的前k个元素调用push函数放进队列，最后调用front函数，将这组滑动窗口的最大值存放进入数组。然后继续向后遍历给定数组，从第k个一直遍历到数组末尾，然后调用pop函数移除最前面元素，在队列末尾添加元素，同时记录滑动窗口最大值。最后返回result。

from collections import deque


class MyQueue: #单调队列（从大到小
    def __init__(self):
        self.queue = deque() #这里需要使用deque实现单调队列，直接使用list会超时
    
    #每次弹出的时候，比较当前要弹出的数值是否等于队列出口元素的数值，如果相等则弹出。
    #同时pop之前判断队列当前是否为空。
    def pop(self, value):
        if self.queue and value == self.queue[0]:
            self.queue.popleft()#list.pop()时间复杂度为O(n),这里需要使用collections.deque()
            
    #如果push的数值大于入口元素的数值，那么就将队列后端的数值弹出，直到push的数值小于等于队列入口元素的数值为止。
    #这样就保持了队列里的数值是单调从大到小的了。
    def push(self, value):
        while self.queue and value > self.queue[-1]:
            self.queue.pop()
        self.queue.append(value)
        
    #查询当前队列里的最大值 直接返回队列前端也就是front就可以了。
    def front(self):
        return self.queue[0]
    
class Solution:
    def maxSlidingWindow(self, nums: List[int], k: int) -> List[int]:
        que = MyQueue()
        result = []
        for i in range(k): #先将前k的元素放进队列
            que.push(nums[i])
        result.append(que.front()) #result 记录前k的元素的最大值
        for i in range(k, len(nums)):
            que.pop(nums[i - k]) #滑动窗口移除最前面元素
            que.push(nums[i]) #滑动窗口前加入最后面的元素
            result.append(que.front()) #记录对应的最大值
        return result

三、347.前 K 个高频元素

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：代码随想录

1. 看完代码随想录的想法

（1）整体思路：首先构建map，用于统计数组中每个元素出现的频率，key-value形式；因为需要统计的是高频元素，所以每次弹出的元素不可以是最大的，因此使用小顶堆。

（2）定义一个空字典defaultdict(int)，用于统计输入的数组中每个元素及其出现的频率；

然后定义一个新字典，用于将上述字典的key和value交换，然后将这个字典的出现频率转换为数组形式，并对其进行排序，也就是将频率由小到大进行排序；

接下来定义一个result空数组用于存放结果集，以及一个计数器cnt，初始化为0；然后对输入的数组进行遍历，通过key[-1]找到字典中频率最高的元素，将其存入结果集，同时将计数器+1，同时删除较小元素，一直到满足前k个高频元素全部存入结果集。

最后返回结果集即可。

class Solution:
    def topKFrequent(self, nums: List[int], k: int) -> List[int]:
        value_dict = defaultdict(int)
        for i in nums:
            value_dict[i] += 1
        index_dict = defaultdict(list)
        for key in value_dict:
            index_dict[value_dict[key]].append(key)
        key = list(index_dict.keys())
        key.sort()
        result = []
        cnt = 0
        while key and cnt != k:
            result += index_dict[key[-1]]
            cnt += len(index_dict[key[-1]])
            key.pop()
        return result