前言:优先队列底层是由大根堆或小根堆数据结构实现的。
前K个高频元素
347. 前 K 个高频元素
给你一个整数数组
nums
和一个整数k
,请你返回其中出现频率前k
高的元素。你可以按 任意顺序 返回答案。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]
题目解读:题目的要求是要我们找出在一个数组中找出k个出现频率最多的元素。
刚看到这个题目时候,直接冒出一个解决思路,就是利用桶排序的思想, 定义一个很大长度的数组,数组哪个位置有数,那就在哪个下标所在位置加一,然后排序,取出前k个最大值。
但是,如果利用这种思想来做题,直接大大浪费了很多的空间,还有一些没有必要的时间。所有就引出了哈希表这个数据结构。我们可以把数组中出现的元素值作为哈希表的key值,然后出现的频率作为它的value,在遍历一遍数组之后,哈希表已经存储完毕了,再将哈希表进行排序,就可以得到前k个最大元素了。
public class Solution {
public int[] topKFrequent(int[] nums, int k) {
int[] ak = new int[k];
int cnt = 0;
HashMap<Integer, Integer> map = new HashMap<>();
int len = nums.length;
for (int i = 0; i < len; i++) {
map.put(nums[i], map.getOrDefault(nums[i], 0) + 1);
}
// 根据哈希表的Value值进行的排序
List<Map.Entry<Integer, Integer>> list = new ArrayList<>(map.entrySet());
list.sort(Map.Entry.comparingByValue(Comparator.reverseOrder()));
for (int i = 0; i < k; i++) {
ak[cnt++] = list.get(i).getKey();
}
return ak;
}
}
虽说这样就可以做完了,但是它的时间复杂度是O(n*k),我们并不满足如此,如果使用优先队列,我们就可以将时间复杂度减少到O(n*logk)。如果k越大,两者时间复杂度还会更大。
大根堆其实是一颗二叉树,是一颗二叉平衡树,它的根结点就是最大的数,左边结点会小于右边结点。
public class Solution {
public int[] topKFrequent(int[] nums, int k) {
int[] ak = new int[k];
HashMap<Integer, Integer> map = new HashMap<>();
//这里是大顶堆
// PriorityQueue<int[]> pq = new PriorityQueue<>((pair1, pair2)->pair2[1]-pair1[1]);
//小根堆
PriorityQueue<int[]> pq = new PriorityQueue<>((pair1, pair2)->pair1[1]-pair2[1]);
for(int num : nums){
map.put(num, map.getOrDefault(num,0) +1); //default
}
for(Map.Entry<Integer,Integer> entry : map.entrySet()){
// pq.add(new int[]{entry.getKey(),entry.getValue()});
if(pq.size()<k){//小顶堆元素个数小于k个时直接加
pq.add(new int[]{entry.getKey(),entry.getValue()});
}else{
if(entry.getValue()>pq.peek()[1]){
//当前元素出现次数大于小顶堆的根结点(这k个元素中出现次数最少的那个)
pq.poll();
//弹出队头(小顶堆的根结点),即把堆里出现次数最少的那个删除,留下的就是出现次数多的了
pq.add(new int[]{entry.getKey(),entry.getValue()});
}
}
}
for(int i =k-1;i >=0 ;i--){
ak[i] = pq.poll()[0];
}
return ak;
}
}
滑动窗口最大值
239. 滑动窗口最大值
给你一个整数数组
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 。
示例 1:
输入:nums = [1,3,-1,-3,5,3,6,7], k = 3 输出:[3,3,5,5,6,7] 解释: 滑动窗口的位置 最大值 --------------- ----- [1 3 -1] -3 5 3 6 7 3 1 [3 -1 -3] 5 3 6 7 3 1 3 [-1 -3 5] 3 6 7 5 1 3 -1 [-3 5 3] 6 7 5 1 3 -1 -3 [5 3 6] 7 6 1 3 -1 -3 5 [3 6 7] 7示例 2:
输入:nums = [1], k = 1 输出:[1]
如果做完第一题,直接来做第二题的,肯定第一秒想到的是直接使用循环+大根堆来实现,那真的能实现吗?we can try
class Solution {
public int[] maxSlidingWindow(int[] nums, int k) {
int cnt = 0;
int len = nums.length;
int[] ans = new int[len - k +1 ];
for(int i=0;i <= len-k;i++){
PriorityQueue<Integer> pq = new PriorityQueue(k, new Comparator<Integer>() {
@Override
public int compare(Integer o1, Integer o2) {
return o2.compareTo(o1);
}
});;
for(int j = i;j < i+k ; j++)
pq.add(nums[j]);
ans[cnt++] = pq.poll();
}
return ans;
}
}
直接一整个时间超限了。
那这个题目要怎么来做呢?文章来源:https://www.toymoban.com/news/detail-744803.html
class myQueue{
Deque<Integer> deque = new LinkedList<>();
void poll(int val){
if(!deque.isEmpty() && deque.peek() == val)
deque.poll();
}
void add(int val){
while (!deque.isEmpty() && val > deque.getLast()) {
deque.removeLast();
}
deque.add(val);
}
int peek(){
return deque.peek();
}
}
class Solution {
public int[] maxSlidingWindow(int[] nums, int k) {
if (nums.length == 1) {
return nums;
}
int len = nums.length - k + 1;
//存放结果元素的数组
int[] res = new int[len];
int cnt = 0;
myQueue myQueue = new myQueue();
//先将前k的元素放入队列
for (int i = 0; i < k; i++) {
myQueue.add(nums[i]);
}
res[cnt++] = myQueue.peek();
for (int i = k; i < nums.length; i++) {
//滑动窗口移除最前面的元素,移除是判断该元素是否放入队列
myQueue.poll(nums[i - k]);
//滑动窗口加入最后面的元素
myQueue.add(nums[i]);
//记录对应的最大值
res[cnt++] = myQueue.peek();
}
return res;
}
}
文章来源地址https://www.toymoban.com/news/detail-744803.html
到了这里,关于力扣刷题之优先队列的文章就介绍完了。如果您还想了解更多内容,请在右上角搜索TOY模板网以前的文章或继续浏览下面的相关文章,希望大家以后多多支持TOY模板网!