代码随想录二刷栈与队列

代码随想录二刷栈与队列

栈模拟队列

具体思路如下：

程序如下：

class MyQueue:

    def __init__(self):
        self.stack_in = []
        self.stack_out = []

    def push(self, x: int) -> None:
        self.stack_in.append(x)
    def pop(self) -> int:
        if self.empty():
            return None
        if self.stack_out:
            return self.stack_out.pop()
        else:
            for i in range(len(self.stack_in)):
                self.stack_out.append(self.stack_in.pop())
            return self.stack_out.pop()

    def peek(self) -> int:
        ans = self.pop()
        self.stack_out.append(ans)
        return ans
    def empty(self) -> bool:
        return not (self.stack_in or self.stack_out)

队列模拟栈

具体思路如下：

程序如下：

class MyStack:

    def __init__(self):
        self.dequein = collections.deque()
        self.dequeout = collections.deque()

    def push(self, x: int) -> None:
        self.dequein.append(x)

    def pop(self) -> int:
        if self.empty():
            return None
        for i in range(len(self.dequein) - 1):
            self.dequeout.append(self.dequein.popleft())
        self.dequein,self.dequeout = self.dequeout,self.dequein
        return self.dequeout.popleft()

    def top(self) -> int:
        if self.empty():
            return None
        for i in range(len(self.dequein) - 1):
            self.dequeout.append(self.dequein.popleft())
        self.dequein,self.dequeout = self.dequeout,self.dequein
        temp = self.dequeout.popleft()
        self.dequein.append(temp)
        return temp

    def empty(self) -> bool:
        return len(self.dequein) == 0

用一个队列实现的思路如下：

class MyStack:

    def __init__(self):
        self.dequein = collections.deque()

    def push(self, x: int) -> None:
        self.dequein.append(x)

    def pop(self) -> int:
        if self.empty():
            return None
        for i in range(len(self.dequein) - 1):
            self.dequein.append(self.dequein.popleft())
        return self.dequein.popleft()

    def top(self) -> int:
        if self.empty():
            return None
        for i in range(len(self.dequein) - 1):
            self.dequein.append(self.dequein.popleft())
        temp = self.dequein.popleft()
        self.dequein.append(temp)
        return temp

    def empty(self) -> bool:
        return len(self.dequein) == 0

滑动窗口最大值

这道题要求滑动窗口中的最大值并记录下来。这里考虑用单调队列，单调队列指的是单调递减或者单调递增队列。这里我们要求到这个滑动窗口的最大值，所以采用单调递减队列。
具体来说我们这个单调队列中一直维护就是窗口的最大值。

具体程序如下：

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

前 K 个高频元素

1. 要统计元素出现频率
2. 对频率排序
3. 找出前K个高频元素

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。

具体程序如下：

#时间复杂度：O(nlogk)
#空间复杂度：O(n)
import heapq
class Solution:
    def topKFrequent(self, nums: List[int], k: int) -> List[int]:
        #要统计元素出现频率
        map_ = {} #nums[i]:对应出现的次数
        for i in range(len(nums)):
            map_[nums[i]] = map_.get(nums[i], 0) + 1
        
        #对频率排序
        #定义一个小顶堆，大小为k
        pri_que = [] #小顶堆
        
        #用固定大小为k的小顶堆，扫描所有频率的数值
        for key, freq in map_.items():
            heapq.heappush(pri_que, (freq, key))
            if len(pri_que) > k: #如果堆的大小大于了K，则队列弹出，保证堆的大小一直为k
                heapq.heappop(pri_que)
        
        #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
        result = [0] * k
        for i in range(k-1, -1, -1):
            result[i] = heapq.heappop(pri_que)[1]
        return result