day13|leetcode|C++||队列|239.滑动窗口最大值|347. 前 K 个高频元素

单调队列的实际应用仍不熟练，好在对大的逻辑有了更深的理解，继续加油

Leetcode 239.滑动窗口最大值

链接：239. 滑动窗口最大值

thought:

• 本质上还是先通过nums前k个元素，初始化一个（可能为）k大小的单调队列

• 之后的操作是逻辑上大体为左边出一个，右边进一个，但在实际操作中，你可以理解为：为了让front为最大，实际的pop函数和push函数把一些事情提前做了（提前使用pop）。

• 这也是为什么pop函数只有满足if (!que.empty() && value == que.front())时才会被使用，因为一些事已经提前做了

• 如果还是难以理解，你可以这样假设，如果这个nums数组原本就是完全的单调递减数组，你会发现其实函数就是左进一个右出一个，然后输出front的值，但由于本题front未必为最大，需要一些操作让其变为最大，因而pop和push函数就需要进行一些变化来满足。

• 队列始终遵循的原则是单调递减

• pop函数仅当 当前value和队首元素相同时才会调用，移出队首元素

• push函数先让队列里比value小的元素全部pop，再让value进入队尾

完整C++代码如下：

//时间复杂度: O(n)
//空间复杂度: O(k)
class Solution {
private:
    class MyQ { // 单调队列（大到小）
    public:
        deque<int> que;
        void pop(int value) {
            if (!que.empty() && value == que.front()) {
                que.pop_front();
            }
        }
        void push(int value) {
            while (!que.empty() && value > que.back()) {
                que.pop_back();
            }
            que.push_back(value);
        }
        int front() { return que.front(); }
    };

public:
    vector<int> maxSlidingWindow(vector<int>& nums, int k) {

        MyQ que1;
        vector<int> res;
        for (int i = 0; i < k; i++) {
            que1.push(nums[i]);
        }
        res.push_back(que1.front());
        for (int i = k; i < nums.size(); i++) {
            que1.pop(nums[i - k]);
            que1.push(nums[i]);
            res.push_back(que1.front());
        }
        return res;
    }
};

---

Leetcode 347. 前 K 个高频元素

链接：347. 前 K 个高频元素

thought:

• 求前k高频元素，立刻想到了建立堆，这样不会因为快排而浪费时间

• 利用小顶堆，最后剩下的堆就是前k个高频元素，再逆着输入进res数组

• 思路很简单，但代码复现的细节需要注意

• other:

• 在C++中，std::priority_queue 是一个适配器容器，其三个参数分别是

  1. T：数据类型：这是优先队列中存储元素的数据类型。

  2. Container：底层容器类型：用于存放优先队列元素的实际容器，默认为 std::vector<T>。用户可以根据需要选择其他满足要求的容器，比如 std::deque<T>。

  3. Compare：比较函数对象类型：用于确定元素之间优先级的比较方式。默认为 std::greater<typename Container::value_type>，这意味着如果不对这个参数进行自定义，队列将按降序排列元素（最大堆），即每个新插入的元素都必须大于或等于堆顶元素才能成为新的堆顶。若要创建一个最小堆（升序），可以传入 std::less<typename Container::value_type> 或者自定义仿函数/lambda表达式等。

完整C++代码如下：

//时间复杂度: O(nlogk)
//空间复杂度: O(n)
class Solution {
public:
    class mycomparison{//自定义小顶堆比较的规则
    public:
        bool operator()(const pair<int,int>lcd,const pair<int,int>rcd){
            return lcd.second>rcd.second;
        }
    };
    vector<int> topKFrequent(vector<int>& nums, int k) {
        unordered_map<int,int>map;
        for(int i=0;i<nums.size();i++){
            map[nums[i]]++;
        }
        priority_queue<pair<int,int>,vector<pair<int,int>>,mycomparison>pri_que;
        for(unordered_map<int, int>::iterator it=map.begin();it!=map.end();it++){
            pri_que.push(*it);
            if(pri_que.size()>k){
                pri_que.pop();
            }
        }
        // 找出前K个高频元素，因为小顶堆先弹出的是最小的，所以倒序来输出到数组
        vector<int>res(k);
        for(int i=k-1;i>=0;i--){
            res[i]=pri_que.top().first;
            pri_que.pop();
        }
        return res;
    }
};