双端队列
class deque {
// 在队头插入元素 n
void push_front(int n);
// 在队尾插入元素 n
void push_back(int n);
// 在队头删除元素
void pop_front();
// 在队尾删除元素
void pop_back();
// 返回队头元素
int front();
// 返回队尾元素
int back();
}如果用链表实现,
这些操作的复杂度都是 O(1)
Python3中的调用
import collections
d = collections.deque()
append(往右边添加一个元素)
import collections
d = collections.deque()
d.append(1)
d.append(2)
print(d)
输出：deque([1, 2])
appendleft（往左边添加一个元素）
clear(清空队列)
copy(浅拷贝)
count(返回指定元素的出现次数)
extend(从队列右边扩展一个列表的元素)
extendleft(从队列左边扩展一个列表的元素)
index（查找某个元素的索引位置）
insert（在指定位置插入元素）
pop（获取最右边一个元素，并在队列中删除）
popleft（获取最左边一个元素，并在队列中删除）
remove（删除指定元素）
简记:对右端的操作与列表list相同
如果要getleft和getright
直接用d[0],d[-1]
判断是否为空:
if d 表示如果d不为空
if not d 表示如果d为空
从这一点可以看出该对象容器继承自list,包含list的所有功能
单调递减队列
class MonotonicQueue {
// 在队尾添加元素 n
void push(int n);
// 返回当前队列中的最大值
int max();
// 队头元素如果是 n，删除它
void pop(int n);
}
它的操作就很少了,如果用deque来实现
其中的int max()就是deque.left() 即python中deque[0],因为是单调的
为了保持单调性 push改写为先删除右端所有比插入数值更小的数
class MonotonicQueue {
private:
deque<int> data;
public:
void push(int n) {
while (!data.empty() && data.back() < n)
data.pop_back();
data.push_back(n);
}
};
而本题中不是要直接去调单调队列的包,而是以双端队列为基础,把单调队列的实现思想用进来
看一下这道题
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。
示例:
输入: nums = [1,3,-1,-3,5,3,6,7], 和 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
提示：
你可以假设 k 总是有效的，在输入数组不为空的情况下，1 ≤ k ≤ 输入数组的大小。
进阶：
你能在线性时间复杂度内解决此题吗？
Python题解(通过leetcode)
先看东北程序员视频
import collections
class Solution:
def maxSlidingWindow(self, nums: List[int], k: int) -> List[int]:
if not nums: return []
d = collections.deque()
res = []
for i in range(len(nums)):
# 如果队头正好就离开了滑动窗口,pop它
if d and d[0] == i - k:
d.popleft()
# 单调队列.push()
while d and nums[d[-1]] < nums[i]:
d.pop()
d.append(i)
if i + 1 >= k:
# 窗口开始滑动
res.append(nums[d[0]])
return res
时间复杂度
时间复杂度按道理来说是O(n),如果在c++中
但python先天劣势,deque继承自list,list底层是数组,所以操作做不到O(n),最坏情况的时间复杂度是O(n2)
即便如此,我们需要掌握的还是这个算法,以便以后用其他语言也能做出来
空间复杂度最坏情况O(n)
抄的题解
作者：labuladong
链接：https://leetcode-cn.com/problems/sliding-window-maximum/solution/dan-diao-dui-lie-by-labuladong/
