文章目录
一、逆波兰表达式求值
题目链接:150. 逆波兰表达式求值
/**
* <pre>
* 用栈操作运算:遇到数字则入栈;遇到算符则取出栈顶两个数字进行计算,并将结果压入栈中
* </pre>
*
* @author <a href="https://github.com/Ken-Chy129">Ken-Chy129</a>
* @date 2023/1/12 12:04
*/
public class 逆波兰表达式求值150 {
public static int evalRPN(String[] tokens) {
Stack<Integer> stack = new Stack<>();
int a, b;
for (String token : tokens) {
switch (token) {
case "+" -> {
a = stack.pop();
b = stack.pop();
stack.push(a + b);
}
case "-" -> {
a = stack.pop();
b = stack.pop();
stack.push(b - a);
}
case "*" -> {
a = stack.pop();
b = stack.pop();
stack.push(a * b);
}
case "/" -> {
a = stack.pop();
b = stack.pop();
stack.push(b / a);
}
default -> stack.push(Integer.valueOf(token));
}
}
return stack.peek();
}
}
二、滑动窗口最大值
题目链接:239. 滑动窗口最大值
/**
* <pre>
* 1.优先队列,维护元素和其下标,每次移动时将元素入队,只有队列最大元素下标在窗口外时才需移除,然后将最大值记录下来
* 2.单调队列(当元素比你强还比你年轻时,你就可以滚了):维护一个队列存储元素的下标,队列中的下标对应的值按从大到小排序,每次遍历一个新的元素,让他取代掉队列中比他小的元素,然后将队首元素作为当次的最大值(前提是队首元素还在窗口内,通过下表判断)
* </pre>
*
* @author <a href="https://github.com/Ken-Chy129">Ken-Chy129</a>
* @date 2023/1/12 13:38
*/
public class 滑动窗口最大值239 {
public int[] maxSlidingWindow(int[] nums, int k) {
PriorityQueue<int[]> queue = new PriorityQueue<>((o1, o2) -> o1[0] == o2[0] ? o2[1]-o1[1] : o2[0]-o1[0]); // 如果两个数一样大,就让序号大的排在前面(减少删除的次数)
int[] res = new int[nums.length-k+1];
for (int i=0; i<k; i++) {
queue.add(new int[]{
nums[i], i});
}
res[0] = queue.peek()[0];
for (int i=k; i<nums.length; i++) {
queue.add(new int[]{
nums[i], i});
while (queue.peek()[1] <= i-k) {
queue.poll(); // 如果最大元素不在窗口内,那么就将其删除
}
// 到这里说明最大元素是在窗口内的,那么当前这个队列的最大元素就是窗口的最大元素
res[i-k+1] = queue.peek()[0];
}
return res;
}
public int[] maxSlidingWindow2(int[] nums, int k) {
Deque<Integer> integerDeque = new LinkedList<>();
int[] res = new int[nums.length-k+1];
for (int i=0; i<nums.length; i++) {
while (!integerDeque.isEmpty() && nums[integerDeque.peekLast()] <= nums[i]) {
integerDeque.pollLast();
}
integerDeque.add(i);
if (integerDeque.peek() <= i - k) {
integerDeque.poll();
}
if (i >= k-1) {
res[i-k+1] = nums[integerDeque.peek()];
}
}
return res;
}
}
三、前K个高频元素
题目链接:347. 前 K 个高频元素
/**
* <pre>
* 1.最容易想到的是给出现次数的数组进行排序,然后需要nlogn的时间复杂度
* 2.使用优先队列维护一个小顶堆,当堆的数量等于k时,后面元素插入时先跟堆顶元素比较,如果大于则弹出堆顶元素,将当前值插入
* 3.基于快速排序
* </pre>
*
* @author <a href="https://github.com/Ken-Chy129">Ken-Chy129</a>
* @date 2023/1/12 15:05
*/
public class 前K个高频元素347 {
public int[] topKFrequent(int[] nums, int k) {
Map<Integer, Integer> map = new HashMap<>();
for (int num : nums) {
map.put(num, map.getOrDefault(num, 0) + 1);
}
PriorityQueue<int[]> queue = new PriorityQueue<>(Comparator.comparingInt(o -> o[1]));
for (Map.Entry<Integer, Integer> entry : map.entrySet()) {
int num = entry.getKey(), count = entry.getValue();
if (queue.size() == k) {
if (queue.peek()[1] < count) {
queue.poll();
queue.add(new int[]{
num, count});
}
} else {
queue.add(new int[]{
num, count});
}
}
int[] res = new int[k];
for (int i=0; i<k; i++) {
// 这里需要i<k而不能需要size,因为每次poll之后size会减少
res[i] = queue.poll()[0];
}
return res;
}
// 基于快速排序
public int[] topKFrequent2(int[] nums, int k) {
Map<Integer, Integer> map = new HashMap();
for (int num : nums) {
map.put(num, map.getOrDefault(num, 0) + 1);
}
List<int[]> values = new ArrayList<>();
for (Map.Entry<Integer, Integer> entry : map.entrySet()) {
int num = entry.getKey(), count = entry.getValue();
values.add(new int[]{
num, count});
}
int[] ret = new int[k];
qsort(values, 0, values.size() - 1, ret, 0, k);
return ret;
}
public void qsort(List<int[]> values, int start, int end, int[] ret, int retIndex, int k) {
int picked = (int) (Math.random() * (end - start + 1)) + start;
Collections.swap(values, picked, start);
int pivot = values.get(start)[1];
int index = start;
for (int i = start + 1; i <= end; i++) {
if (values.get(i)[1] >= pivot) {
Collections.swap(values, index + 1, i);
index++;
}
}
Collections.swap(values, start, index);
if (k <= index - start) {
qsort(values, start, index - 1, ret, retIndex, k);
} else {
for (int i = start; i <= index; i++) {
ret[retIndex++] = values.get(i)[0];
}
if (k > index - start + 1) {
qsort(values, index + 1, end, ret, retIndex, k - (index - start + 1));
}
}
}
}