6.滑动窗口最大值
队列的应用!!
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]
提示:
1 <= nums.length <= 105
-104 <= nums[i] <= 104
1 <= k <= nums.length
思路
class Solution {//我的思路有问题,因为滑动窗口移动过程中,窗口内的元素会更新,那么最大值也会跟新;不能用变量存起来做判断
public://对于情况【1,-1】,k = 1时就不适用,预期[1,-1]。结果输出[1,1]
//所以,需要判断移动窗口时剔除的元素是不是维护的那个最大值,是的话就要提出当前最大值!
vector<int> maxSlidingWindow(vector<int>& nums, int k) {
vector<int> res;
int max = 0;
int j = 0;
for (int i = 0; j < nums.size(); i++,j++)
{
if (j - i + 1 < k)//首次
{
k--;
while ( k > 0 ) {
max = nums[j] > max ? nums[j] : max;
j++;
k--;
}
}
max = nums[j] > max ? nums[j] : max;
res.push_back(max);
cout << "j = " << j << endl;
}
return res;
}
};
所以本题的难点就是求一个区间里的最大值。
暴力方法,遍历一遍的过程中每次从窗口中再找到最大的数值,这样很明显是O(n × k)的算法。
有的同学可能会想用一个大顶堆(优先级队列)来存放这个窗口里的k个数字,这样就可以知道最大的最大值是多少了, 但是问题是这个窗口是移动的,而大顶堆每次只能弹出最大值,我们无法移除其他数值,这样就造成大顶堆维护的不是滑动窗口里面的数值了。所以不能用大顶堆。
此时我们需要一个队列,这个队列呢,放进去窗口里的元素,然后随着窗口的移动,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。
这个队列应该长这个样子:
class MyQueue {
public:
void pop(int value) {
}
void push(int value) {
}
int front() {
return que.front();
}
};
每次窗口移动的时候,调用que.pop
(滑动窗口中移除元素的数值),que.push
(滑动窗口添加元素的数值),然后que.front()
就返回我们要的最大值。这么个队列香不香,要是有现成的这种数据结构是不是更香了!其实在C++中,可以使用 multiset 来模拟这个过程。
再分析一下,队列里的元素一定是要排序的,而且要最大值放在出队口,要不然怎么知道最大值呢。
但如果把窗口里的元素都放进队列里,窗口移动的时候,队列需要弹出元素。
那么问题来了,已经排序之后的队列 怎么能把窗口要移除的元素(这个元素可不一定是最大值)弹出呢。
其实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。C++中没有直接支持单调队列,需要我们自己来实现一个单调队列
不要以为实现的单调队列就是 对窗口里面的数进行排序,如果排序的话,那和优先级队列又有什么区别了呢。
来看一下单调队列如何维护队列里的元素。
动画如下:
对于窗口里的元素{2, 3, 5, 1 ,4},单调队列里只维护{5, 4} 就够了,保持单调队列里单调递减,此时队列出口元素就是窗口里最大元素。
此时大家应该怀疑单调队列里维护着{5, 4} 怎么配合窗口进行滑动呢?
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。【保持从大到小的规则 】
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。
为了更直观的感受到单调队列的工作过程,以题目示例为例,输入: nums = [1,3,-1,-3,5,3,6,7], 和 k = 3,动画如下:
那么我们用什么数据结构来实现这个单调队列呢?queue在没有指定容器的情况下,deque就是默认底层容器
//基于刚刚说过的单调队列pop和push的规则
#include<string>
#include<iostream>
#include<queue>
#include<vector>
#include<set>
using namespace std;
class Solution {
public:
class MyQueue {
public:
deque<int> que;// 使用deque双端队列 来实现单调队列
// 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。
void pop(int value) {
if (!que.empty() && que.front() == value)
{
que.pop_front();//移除首元素
}
}
// 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。
void push(int value) {
while (!que.empty() && que.back() < value)
{
que.pop_back();//移除尾元素
}
que.push_back(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。
int front() {
return que.front();
}
};
vector<int> maxSlidingWindow(vector<int>& nums, int k) {
MyQueue que;
vector<int> result;
for (int i = 0; i < k; i++) { // 先将前k的元素放进队列
que.push(nums[i]);
}
result.push_back(que.front()); // 记录前k个元素的对应的最大值
for (int i = k; i < nums.size(); i++)
{
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.push_back(que.front()); // 记录对应的最大值
}
return result;
}
};
int main() {
vector<int> nums = { 1,3,-1,-3,5,3,6,7 };
Solution solute;
vector<int> res = solute.maxSlidingWindow(nums, 3);
for (int i = 0; i < res.size(); i++)
{
cout << res[i] << endl;
}
system("pause");
return 0;
}
使用multiset作为单调队列
多重集合(multiset
) 用以有序地存储元素的容器。允许存在相等的元素。在遍历原数组的时候,只需要把窗口的头元素加入到multiset中,然后把窗口的尾元素删除即可。因为multiset是有序的,并且提供了*rbegin()
,可以直接获取窗口最大值。
rbegin()
是multiset
容器的成员函数之一,它返回一个指向multiset
中最后一个元素的反向迭代器。这个迭代器可以用于以相反顺序遍历容器的元素。
rbegin()
函数返回的迭代器指向multiset
中的最大元素。由于multiset
是有序的,因此最大的元素位于最后。使用rbegin()
函数可以获取最大元素的迭代器,然后通过解引用操作符*
来获取该元素的值。
#include<string>
#include<iostream>
#include<queue>
#include<vector>
#include<set>
using namespace std;
class Solution {
public:
vector<int> maxSlidingWindow(vector<int>& nums, int k) {
vector<int> ans;
multiset<int> set;
for (int i = 0; i < nums.size(); i++)
{
if (i >= k)//窗口值达到k
{
set.erase(set.find(nums[i - k]));//这里的i- k 很妙,每次移除窗口中的最左边的元素
}
set.insert(nums[i]);//增加新元素
//cout << nums[i] << endl;
if (i >= k - 1)//从索引k - 1 处就开始取窗口内的最大值加入ans中
{
ans.push_back(*set.rbegin());
}
}
return ans;
}
};
int main() {
vector<int> nums = { 1,3,-1,-3,5,3,6,7 };
Solution solute;
vector<int> res = solute.maxSlidingWindow(nums, 3);
for (int i = 0; i < res.size(); i++)
{
cout << res[i] << endl;
}
system("pause");
return 0;
}
总结
1.用 i - k
来确定移动窗口最左边的元素。
2.MultiSet、set都是有序的,所以插入元素时会自动排序,然后通过rbegin()
返回最大的元素值。
3.stack、queue
底层都是deque
双端队列实现的,可以在头部和尾部进行插入和删除操作;deque是可以两边扩展的,而且deque里元素并不是严格的连续分布的。
通过 push_back()
和 push_front()
分别在尾部和头部插入元素。
通过 size()
函数获取 deque
的大小,
通过 front()
和 back()
函数获取头部和尾部元素。
使用 pop_back()
和 pop_front()
分别删除尾部和头部元素。最后,通过 empty()
函数判断 deque
是否为空
4.因为滑动窗口移动过程中,窗口内的元素会更新,那么最大值也会跟新;不能用变量存起来做判断;所以,需要判断移动窗口时剔除的元素是不是维护的那个最大值,是的话就要踢出当前最大值!因此用到了单调队列来实现一个从大到小排列的数据结构。
7.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]
提示:
1 <= nums.length <= 105
k
的取值范围是[1, 数组中不相同的元素的个数]
- 题目数据保证答案唯一,换句话说,数组中前
k
个高频元素的集合是唯一的
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。
什么是优先级队列呢?
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。那么它是如何有序排列的呢?
什么是堆呢?
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。
所以大家经常说的大顶堆(堆头是最大元素),小顶堆(堆头是最小元素),如果懒得自己实现的话,就直接用priority_queue(优先级队列)就可以了,底层实现都是一样的,从小到大排就是小顶堆,从大到小排就是大顶堆。
本题我们就要使用优先级队列来对部分频率进行排序。
为什么不用快排呢?, 使用快排要将map转换为vector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。
此时要思考一下,是使用小顶堆呢,还是大顶堆?
有的同学一想,题目要求前 K 个高频元素,那么果断用大顶堆啊。
那么问题来了,定义一个大小为k的大顶堆,在每次移动更新大顶堆的时候,每次弹出都把最大的元素弹出去了,那么怎么保留下来前K个高频元素呢。
而且使用大顶堆就要把所有元素都进行排序,那能不能只排序k个元素呢?
所以我们要用小顶堆,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。
寻找前k个最大元素流程如图所示:(图中的频率只有三个,所以正好构成一个大小为3的小顶堆,如果频率更多一些,则用这个小顶堆进行扫描)
#include<iostream>
#include<string>
#include<queue>
#include<vector>
#include<unordered_map>
using namespace std;
class Solution {
public:
class MyComparison {
public:
bool operator()(const pair<int, int>& lhs, const pair<int, int>& rhs) {//重载比较函数
//当使用这个自定义的比较函数对象作为优先队列的比较函数时,优先队列中的元素将按照第二个整数值从大到小的顺序进行排序。
return lhs.second > rhs.second;//greater 降序; less < 升序
}
};
vector<int> topKFrequent(vector<int>& nums, int k) {
unordered_map<int,int> map;// 要统计元素出现频率
for (int i = 0; i < nums.size(); i++)
{
map[nums[i]]++;
}
//该优先队列的元素类型是 pair<int, int>,底层容器类型为 vector<pair<int, int>>,并且使用了自定义的比较函数对象 mycomparison 进行元素的优先级比较
priority_queue < pair<int, int>, vector<pair<int, int>>, MyComparison> pri_que;
for (unordered_map<int,int>::iterator it = map.begin(); it != map.end();it++)
{
pri_que.push(*it);
if (pri_que.size() > 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;维护k个元素
{
pri_que.pop();//弹出元素
}
}
//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
vector<int> res(k);
for (int i = k - 1; i >= 0; i--)
{//从小到大,到序赋值
res[i] = pri_que.top().first;//首个元素的key值
pri_que.pop();//弹出首个元素
}
return res;
}
};
int main() {
vector<int> nums = { 1,1,1,2,2,3 };
Solution solute;
vector <int> res = solute.topKFrequent(nums, 2);
for (int i = 0; i < res.size(); i++)
{
cout << res[i] << endl;
}
system("pause");
return 0;
}
总结
-
对于我们使用的容器和算法,比如map set sort都是使用的less作为比较器,对于排序结果来说,是升序排列。greater > 降序; less < 升序
-
priority_queue,优先级队列底层排序用的是堆的结构,在建堆的过程中,默认less函数对象在向下调整的时候找到的是更大的数,也就让更大的数交换到了index更小的位置,也就是说,呈现出了降序排列。
less < 降序 (默认) priority_queue 大堆;头节点最大
greater > 升序 priority_queue 小堆;头节点最小
3.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。
4.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。
#include <functional>
#include <vector>
#include <algorithm>
#include<iostream>
#include<queue>
using namespace std;
class MyCompare
{
public:
bool operator()(int v1, int v2)
{
return v1 > v2;
}
};
//测试greater
void test01()
{
vector<int> v;
v.push_back(10);
v.push_back(30);
v.push_back(50);
v.push_back(40);
v.push_back(20);
for (vector<int>::iterator it = v.begin(); it != v.end(); it++) {
cout << *it << " ";
}
cout << endl;
//自己实现仿函数
//sort(v.begin(), v.end(), MyCompare());
//STL内建仿函数 大于仿函数
sort(v.begin(), v.end(), greater<int>());
for (vector<int>::iterator it = v.begin(); it != v.end(); it++) {
cout << *it << " "; // 50 40 30 20 10
}
cout << endl;
}
//测试优先队列的greater
void test02() {
priority_queue<int, vector<int>, greater<int>> que;//默认是less 降序
que.push(2);
que.push(1);
que.push(3);
que.push(5);
que.push(0);
while (!que.empty())
{
cout << que.top() << endl;//0 1 2 3 4 5
que.pop();
}
}
int main() {
test01();
test02();
system("pause");
return 0;
}