java算法第十三天 | ● 239. 滑动窗口最大值 ● 347.前 K 个高频元素 ● 总结

本文主要是介绍java算法第十三天 | ● 239. 滑动窗口最大值 ● 347.前 K 个高频元素 ● 总结，希望对大家解决编程问题提供一定的参考价值，需要的开发者们随着小编来一起学习吧！

239. 滑动窗口最大值

leetcode链接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。

思路： 自定义一个单调队列维护当前滑动窗口的最大值。
代码随想录解题思路
注意： 本题的重点在于如何实现自定义单调队列中的poll、add、peek方法。以实现队首的元素是当前滑动窗口的最大元素。
ArrayDeque、LinkedList均可实现：==pollLast( )/removeLast( )、peekLast( )/getLast( )==方法，但本题使用ArrayDeque效率更高。

class MyDeque{Deque<Integer> queue=new ArrayDeque<>();//或LinkedListpublic void poll(int val){if(!queue.isEmpty() && val==queue.peek()){queue.poll();}}public void add(int val){while(!queue.isEmpty() && val>queue.peekLast()){queue.pollLast();}queue.add(val);}public int getMax(){return queue.peek();}
}class Solution {public int[] maxSlidingWindow(int[] nums, int k) {MyDeque mydeque=new MyDeque();int index=0;int[] res=new int[nums.length-k+1];for(int i=0;i<k;i++){mydeque.add(nums[i]);}res[index++]=mydeque.getMax();for(int i=k;i<nums.length;i++){mydeque.poll(nums[i-k]);mydeque.add(nums[i]);res[index++]=mydeque.getMax();}return res;}
}

时间复杂度：O(n)
空间复杂度：O(k)

347.前 K 个高频元素

leetcode链接
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。

思路： 这道题目主要涉及到如下三块内容：

要统计元素出现频率
对频率排序
找出前K个高频元素

首先统计元素出现的频率，这一类的问题可以使用map来进行统计。

然后是对频率进行排序，这里我们可以使用一种容器适配器就是优先级队列。

优先级队列

其实就是一个披着队列外衣的堆，因为优先级队列对外接口只是从队头取元素，从队尾添加元素，再无其他取元素的方式，看起来就是一个队列。而且优先级队列内部元素是自动依照元素的权值排列。

什么是堆

堆是一棵完全二叉树，树中每个结点的值都不小于（或不大于）其左右孩子的值。如果父亲结点是大于等于左右孩子就是大顶堆，小于等于左右孩子就是小顶堆。

为什么不用快排呢？

使用快排要将map转换为数组的结构，然后对整个数组进行排序，而这种场景下，我们其实只需要维护k个有序的序列就可以了，所以使用优先级队列是最优的。

使用小顶堆呢，还是大顶堆？

我们要用小顶堆，因为要统计最大前k个元素，只有小顶堆每次将最小的元素弹出，最后小顶堆里积累的才是前k个最大元素。

注意：

优先级队列的使用

PriorityQueue<int[]> pq = new PriorityQueue<>((pair1,pair2)->pair1[1]-pair2[1]); //小顶堆
PriorityQueue<int[]> pq = new PriorityQueue<>((pair1,pair2)->pair2[1]-pair1[1]);//默认大顶堆

遍历Map的键值对的方法

for(Map.Entry<Integer,Integer> entry:map.entrySet()){
System.out.println(entry.getKey(),entry.getValue());
}

class Solution {public int[] topKFrequent(int[] nums, int k) {Map<Integer,Integer> map=new HashMap<>();for(int i : nums){map.put(i,map.getOrDefault(i,0)+1);}PriorityQueue<int[]> pq=new PriorityQueue<>((o1,o2)->(o1[1]-o2[1]));for(Map.Entry<Integer,Integer> entry:map.entrySet()){if(pq.size()<k){pq.add(new int[]{entry.getKey(),entry.getValue()});}else if(pq.peek()[1]<entry.getValue()){pq.add(new int[]{entry.getKey(),entry.getValue()});pq.poll();}}int[] res=new int[k];int index=0;for(int[] i:pq){res[index++]=i[0];}return res;}
}