239. 滑动窗口最大值
(此题逻辑真心牛皮）
做此题之前，首先明确此题的目的。我最开始没搞明白此题目的，看代码的时候卡死。
copy他人代码：
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看下面两幅图，会发现一些区别，不多说了，很多东西不是能说得清的。
踩坑1：
首先要定义Class类，实例化类调函数。做这种题少了，当时不习惯，还有在pycharm插件中，一直有问题，但在力扣网站中通过了。
然后又试了几次，才通过，有bug。
踩坑2：
我当时将下append(),写成了push()，它调用的是定义的函数，一直报错。
347.前 K 个高频元素
前置知识：
(1)大顶堆、小顶堆
大顶堆、小顶堆，特别擅长求前K个高频或者低频之类的结果。
(2)python字典中get()函数的用法 (30条消息) python字典中get()函数的用法总结_get函数的用法python_百万雨的博客-CSDN博客
ls=['aa','b','c','ddd','aa']
cou={} #创建一个空字典
for i in ls:
cou[i]=cou.get(i,0)+1 #之后称其为get的赋值语句，目的是新建字典键值对
'''
赋值语句代码等价于
cou[i]=0
cou[i}=cou[i]+1
'''
print(cou)
(3)大顶堆和小顶堆实现
#对元组使用
data = [('a', 2),('g', 5), ('c',8), ('f',3)]
heap = []
for i in data:
heapq.heappush(heap, i) #将元素加入堆中
print([heapq.heappop(heap) for _ in range(len(data))])
#输出
[('a', 2), ('c', 8), ('f', 3), ('g', 5)]
data = [('a', 2),('g', 5), ('c',8), ('f',3)]
heap = []
for i in data:
heapq.heappush(heap, (i[1], i[0])) #将元素加入堆中
print([heapq.heappop(heap) for _ in range(len(data))])
#输出
[(2, 'a'), (3, 'f'), (5, 'g'), (8, 'c')](30条消息) 数据结构 小顶堆建堆过程 构建过程_二十六画生的博客的博客-CSDN博客
最后结果：
(30条消息) 树的一些基础概念、堆和 python中heapq模块使用简介_heapq.heappush_我说你别说的博客-CSDN博客大顶堆/小顶堆的构建以及排序的应用 - 知乎 (zhihu.com)
Copy代码，时间来不及：
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
