代码随想录第十天——LeetCode 150. 逆波兰表达式求值、239. 滑动窗口最大值、347.前 K 个高频元素

150. 逆波兰表达式求值

力扣题目链接(opens new window)

根据逆波兰表示法，求表达式的值。

有效的运算符包括 + , - , * , / 。每个运算对象可以是整数，也可以是另一个逆波兰表达式。

说明：

整数除法只保留整数部分。给定逆波兰表达式总是有效的。换句话说，表达式总会得出有效数值且不存在除数为 0 的情况。

示例 1：

输入: ["2", "1", "+", "3", " * "]
输出: 9
解释: 该算式转化为常见的中缀算术表达式为：((2 + 1) * 3) = 9

逆波兰表达式：是一种后缀表达式，所谓后缀就是指运算符写在后面。

平常使用的算式则是一种中缀表达式，如 ( 1 + 2 ) * ( 3 + 4 ) 。

该算式的逆波兰表达式写法为 ( ( 1 2 + ) ( 3 4 + ) * ) 。

逆波兰表达式主要有以下两个优点：

去掉括号后表达式无歧义，上式即便写成 1 2 + 3 4 + * 也可以依据次序计算出正确结果。
适合用栈操作运算：遇到数字则入栈；遇到运算符则取出栈顶两个数字进行计算，并将结果压入栈中。

from operator import add, sub, mul
def div(x,y):return int(x/y) if x*y > 0 else -(abs(x)//abs(y))
class Solution:op_map = {'+': add, '-': sub, '*': mul, '/': div}def evalRPN(self, tokens: List[str]) -> int:# tokens = list(tokens)stack = []for i in tokens:if i not in {'+', '-', '*', '/'}:stack.append(int(i))else:op2 = stack.pop()op1 = stack.pop()  # 这里是难点，"4","13","5","/","+"当到/的时候，第一个pop取出的是5，第二个pop取出的是13stack.append(self.op_map[i](op1, op2))return stack.pop()

239. 滑动窗口最大值

力扣题目链接(opens new window)

给定一个数组 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。

from collections import dequeclass MyQUeue:def __init__(self):self.queue = deque()def push(self, value):while self.queue and value > self.queue[-1]:self.queue.pop()self.queue.append(value)def pop(self, value):if self.queue and value == self.queue[0]:self.queue.popleft()  # 把最大的元素pop掉，开始添加新元素了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):que.push(nums[i])result.append(que.front())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])result.append(que.front())return result

思路：

1）push：如果push的元素比前元素大，直接把前面元素删掉，

2）pop：当要pop的值等于que的第一个（最大值）的时候说明这个值要真的被pop掉了，和他本身大小无关，只是滑窗滑到下一个了。

3）front：对于queue序列来说，第一个值queue[0]，一直是最大值

347.前 K 个高频元素

力扣题目链接(opens new window)

给定一个非空的整数数组，返回其中出现频率前 k 高的元素。

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]

class Solution:def topKFrequent(self, nums: List[int], k: int) -> List[int]:map_ = {}for i in range(len(nums)):map_[nums[i]] = map_.get(nums[i], 0)+1pri_que = []  # 小顶堆for key, freq in map_.items():heapq.heappush(pri_que, (freq, key))if len(pri_que) > k:heapq.heappop(pri_que)result = [0] * kfor i in range(k-1, -1, -1):result[i] = heapq.heappop(pri_que)[1]return result

for key, freq in map_.items():
- 这个循环遍历字典 map_ 的所有键值对。
- key 是字典中的键（通常表示某个元素）。
- freq 是字典中对应键的值（表示该元素的频率）。
heapq.heappush(pri_que, (freq, key))
- 使用 heapq.heappush 函数将元素 (freq, key) 推入优先队列 pri_que 中。
- 这里使用的是一个小顶堆（默认情况下 heapq 实现的是小顶堆），堆中的每个元素是一个元组 (freq, key)，其中 freq 是元素的频率，key 是元素的值。
- 小顶堆的特性是堆顶元素总是最小的，因此当我们插入 (freq, key) 时，堆会自动调整顺序，使频率最小的元素保持在堆顶。
if len(pri_que) > k:
- 检查堆 pri_que 的大小是否超过了 k。
- 如果堆中元素数量超过了 k，说明堆中已经有超过 k 个元素。
heapq.heappop(pri_que)
- 如果堆的大小超过了 k，使用 heapq.heappop 将堆顶元素弹出。
- 由于这是一个小顶堆，堆顶的元素是堆中频率最小的元素，所以弹出操作会移除当前频率最小的那个元素。
- 通过这种方式，堆的大小始终保持在 k，并且堆中只保留频率最高的 k 个元素。