题目列表
解题过程
1、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。
思路： 由于大顶堆每次只能弹出最大值，无法移除其他数值，这样就造成大顶堆维护的不是滑动窗口里面的数值，所以不能用大顶堆。
此时我们需要自己写一个队列，这个队列放进去窗口里的元素，随着窗口的移动，队列也一进一出，每次移动之后，队列告诉我们里面的最大值是什么。而且，队列没有必要维护窗口里的所有元素，只需要维护有可能成为窗口里最大值的元素就可以了，同时保证队列里的元素数值是由大到小的。
那么这个维护元素单调递减的队列就叫做单调队列，即单调递减或单调递增的队列。
设计单调队列的时候，pop和push操作要保持如下规则：
- pop(value)：如果窗口移除的元素value等于单调队列的出口元素，那么队列弹出元素，否则不用任何操作；
- push(value)：如果push的元素value大于入口元素的数值，那么就将队列入口的元素弹出，直到push元素的数值小于等于队列入口元素的数值为止。
保持如上规则，每次窗口移动的时候，只要问que.front()就可以返回当前窗口的最大值。
class Solution {
class MyQueue {
Deque<Integer> deque = new LinkedList<>();
//弹出元素时，要比较当前弹出的数值是否等于队列出口的数值，如果相等则弹出
//同时判断队列当前是否为空
void poll(int val) {
if (!deque.isEmpty() && val == deque.peek()) {
deque.poll();
}
}
//添加元素时，如果要添加的元素大于入口处的元素，就将入口元素弹出
//保证队列元素单调递减
void add(int val) {
while (!deque.isEmpty() && val > deque.getLast()) {
deque.removeLast();
}
deque.add(val);
}
//队列队顶元素始终为最大值
int peek() {
return deque.peek();
}
}
public int[] maxSlidingWindow(int[] nums, int k) {
//边界条件判断
if (nums.length == 1) {
return nums;
}
int len = nums.length - k + 1;
//结果数组
int[] res = new int[len];
int index = 0;
//自定义队列
MyQueue myQueue = new MyQueue();
//先将前k个元素放入队列，第一轮
for (int i = 0; i < k; i++) {
myQueue.add(nums[i]); //队列队顶元素为最大值
}
//第一个滑动窗口最大值
res[index++] = myQueue.peek();
for (int i = k; i < nums.length; i++) {
//移除滑动窗口最前面的元素
myQueue.poll(nums[i - k]);
//添加滑动窗口最后面的元素，i指向的就是最后面的元素
myQueue.add(nums[i]);
//记录对应的滑动窗口最大值
res[index++] = myQueue.peek();
}
return res;
}
}
2、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。
思路： 用map来统计数组中元素出现频率，然后用优先级队列对频率进行排序（本质是堆），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。
这里我们以小顶堆为例来说明：统计最大前k个元素，小顶堆每次将最小的元素弹出，最后小顶堆里积累的就是前k个最大元素。
小顶堆实现
class Solution {
public int[] topKFrequent(int[] nums, int k) {
//基于小顶堆实现
Map<Integer, Integer> map = new HashMap<>();
//遍历数组--简洁版
for (int num : nums) {
map.put(num, map.getOrDefault(num, 0) + 1);
}
//在优先队列中存储二元组（num, cnt），cnt表示元素值num在数组中的出现次数
//出现次数按从队头到队尾的顺序从小到大排，出现次数最低的在队头（小顶堆）
PriorityQueue<int[]> pq = new PriorityQueue<>((pair1, pair2) -> pair1[1] - pair2[1]); //这句不太懂什么意思
for (Map.Entry<Integer, Integer> entry : map.entrySet()) { //小顶堆只需要维持k个元素，这里再复习一下
if (pq.size() < k) { //小顶堆元素个数小于k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节点
pq.poll(); //弹出小根堆的根节点
pq.add(new int[]{entry.getKey(), entry.getValue()});
}
}
}
//结果
int[] res = new int[k];
for (int i = k - 1; i >= 0; i--) { //依次弹出小顶堆，先弹出的次数少，后弹出的次数多
res[i] = pq.poll()[0];
}
return res;
}
}
大顶堆实现
class Solution {
//解法2：基于大顶堆实现
public int[] topKFrequent(int[] nums, int k) {
Map<Integer,Integer> map = new HashMap<>();//key为数组元素值,val为对应出现次数
for (int num : nums) {
map.put(num,map.getOrDefault(num,0)+1);
}
//在优先队列中存储二元组(num,cnt),cnt表示元素值num在数组中的出现次数
//出现次数按从队头到队尾的顺序是从大到小排,出现次数最多的在队头(相当于大顶堆)
PriorityQueue<int[]> pq = new PriorityQueue<>((pair1, pair2)->pair2[1]-pair1[1]);
for (Map.Entry<Integer,Integer> entry:map.entrySet()){//大顶堆需要对所有元素进行排序
pq.add(new int[]{entry.getKey(),entry.getValue()});
}
int[] ans = new int[k];
for(int i=0;i<k;i++){//依次从队头弹出k个,就是出现频率前k高的元素
ans[i] = pq.poll()[0];
}
return ans;
}
}
栈与队列总结
面试题
栈里面的元素在内存中是连续分布的吗？
- 栈是容器适配器，底层容器使用不同的容器，导致栈内数据在内存中是不是连续分布。
- 缺省情况下，默认底层容器是deque，那么deque的在内存中的数据分布是什么样的呢？ 答案是：不连续的。
栈经典题目
栈在系统中的应用
递归的实现是栈：每一次递归调用都会把函数的局部变量、参数值和返回地址等压入调用栈中，然后递归返回的时候，从栈顶弹出上一次递归的各项参数，所以这就是递归为什么可以返回上一层位置的原因。
括号匹配问题
在匹配左括号的时候，右括号先入栈，只需要比较当前元素和栈顶相不相等就可以了，比左括号先入栈代码实现要简单的多了。
字符串去重问题
思路是可以把字符串顺序放到一个栈中，然后如果相同的话，栈就弹出元素，这样最后栈里剩下的元素都是相邻不相同的元素了。
逆波兰表达式问题
每次计算出子表达式的结果再入栈，等待继续进行表达式计算。
队列的经典问题
滑动窗口最大值问题
主要思想是队列没有必要维护窗口里的所有元素，只需要维护有可能成为窗口里最大值的元素就可以了，同时保证队列里的元素数值是由大到小的。
求前k个高频元素
先统计数组中元素的频率，再使用堆（大顶堆或小顶堆）弹出前k个高频元素（处理方式稍有不同）。
总结
栈和队列相关的题目还需要二刷。
