【day05】LeetCode(力扣)每日一刷[1464. 数组中两元素的最大乘积][347. 前 K 个高频元素][2163. 删除元素后和的最小差值 ]

简介: 了解[1464. 数组中两元素的最大乘积][347. 前 K 个高频元素][2163. 删除元素后和的最小差值 ]。

刷题打卡,第五天


题目一、(简单题)1464. 数组中两元素的最大乘积

题目二、(中等题)347. 前 K 个高频元素

题目三、(困难题)2163. 删除元素后和的最小差值


题目一、(简单题)1464. 数组中两元素的最大乘积


原题链接:1464. 数组中两元素的最大乘积


题目描述:


给你一个整数数组 nums,请你选择数组的两个不同下标 i 和 j,使 (nums[ i ] - 1)*(nums[ j ] - 1) 取得最大值。

请你计算并返回该式的最大值。

微信图片_20221029142824.png

解题思路:

这道题十分简单,当作热身吧。

要选择下标 i 与 j 让 (nums[ i ] - 1)*(nums[ j ] - 1) 取得最大值。

我们不需要纠结选择哪两个下标才能取到最大值,直接为数组排序,选择最大的两个元素分别减1再相乘即可。

我使用的是最大堆为数组元素排序。


解题代码:

class Solution {
    public int maxProduct(int[] nums) {
        //创建优先队列,因为默认为最小堆
        //所以需要重写比较器,设置为最大堆
        PriorityQueue<Integer> que = new PriorityQueue<>(new Comparator<Integer>(){
            public int compare(Integer a,Integer b){
                return b - a;
            }
        });
        //数组元素放入最大优先队列
        for(int num : nums){
            que.offer(num);
        }
        //取出两个堆顶节点,就是题目所求可获取最大值的nums[i]与nums[j],分别减一
        int a = (int)que.poll()-1;
        int b = (int)que.poll()-1;
        //返回(nums[i]-1)*(nums[j]-1)
        return a*b;
    }
}

提交结果:

微信图片_20221029143229.png

题目二、(中等题)347. 前 K 个高频元素


原题链接:347. 前 K 个高频元素


题目描述:


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]


解题思路:

用HashMap的键值对{key-value对}存放数组元素与元素出现的次数。

key: 数组中出现过的元素

value: 元素出现的频率

遍历map集合,将键值对以长度为2的一维数组形式放入最大堆排序:

一维数组 int [ ] {key,value}

排序按照数组中的value大小排序。

最后输出排序好的,前k个高频元素。

具体实现可以看代码,注释详细:


代码:

class Solution {
    public int[] topKFrequent(int[] nums, int k) {
        //创建优先队列,优先队列存放的是长度为2的一维数组:int[]{key,value}
        //1.int [0] = key代表数组nums中出现过的元素
        //2.int [1] = value代表对应元素出现的频率
        //重写比较器,将优先队列设置为最大堆,按照value值(频率)的优先顺序排序。
        PriorityQueue<int[]> que = new PriorityQueue<>(new Comparator<int[]>(){
            public int compare(int[] a,int[] b){
                return b[1]-a[1];
            }
        });
        //创建双列集合map,存放键值对key-value
        Map<Integer,Integer> map = new HashMap<>();
        //增强for循环遍历数组
        for(int num : nums){
            //如果已经存在以数组某个元素为key的键值对
            if(map.containsKey(num)){
                //对应键值对中的value值加一
                map.replace(num,map.get(num).intValue()+1);
            }else{//否则
                  //创建以元素为主键key的键值对,value值为1
                map.put(num,1);
            }
        }
        //使用迭代器遍历map集合中的键值对
        Iterator<Map.Entry<Integer,Integer>> iterator = map.entrySet().iterator();
        while(iterator.hasNext()){
            Map.Entry<Integer,Integer> entry = iterator.next();
            //将键值对以长度为2的一维数组形式放入最大堆排序
            que.offer(new int[]{entry.getKey(),entry.getValue()});
        }
        //创建长度为k的数组
        int[] out = new int[k];
        //遍历地将出现频率前k高的元素放入数组
        for(int i = 0;i < k; ++i){
            out[i] = (int)que.poll()[0];
        }
        //输出出现频率前 k 高的元素
        return out;
    }
}

提交结果:

微信图片_20221029143241.png

题目三、(困难题)2163. 删除元素后和的最小差值


原题链接:2163. 删除元素后和的最小差值


题目描述:

微信图片_20221029143448.png微信图片_20221029143455.png

解题思路:

舒勇两个优先队列,一个最小堆,一个最大堆。

创建两个数组,分别存放最小和与最大和的所有情况。

最后将所有情况中最小的差值输出。


代码:

class Solution {
    public long minimumDifference(int[] nums) {
        int n = nums.length / 3;
        // min[i] 表示 nums[0] ~ nums[i] 个元素中选择 n 个元素和最小
        long[] min = new long[3 * n];
        // max[i] 表示 nums[i] ~ nums[3*n-1] 个元素中选择 n 个元素和最大
        long[] max = new long[3 * n];
        // 升序队列、 降序队列
        PriorityQueue<Integer> asc = new PriorityQueue<>();
        PriorityQueue<Integer> desc = new PriorityQueue<>(new Comparator<Integer>(){
            public int compare(Integer a,Integer b){
                return b-a;
            }
        });
        long sum_first = 0, sum_second = 0;
        for (int i = 0; i < 3 * n; i++) {
            int l = i, r = 3 * n - 1 - i;
            int left = nums[l], right = nums[r];
            sum_first += left;
            desc.add(left);
            sum_second += right;
            asc.add(right);
            if (i >= n) {
                sum_first -= desc.poll();
                sum_second -= asc.poll();
            }
            min[l] = sum_first;
            max[r] = sum_second;
        }
        // 遍历所有情况找到最小差值
        long minAns = Long.MAX_VALUE;
        for (int i = n - 1; i < 2 * n; i++) {
            minAns = Math.min(minAns, min[i] - max[i + 1]);
        }
        return minAns;
    }
}

提交结果:

微信图片_20221029143505.png

贵在坚持:🎇关注作者,共同进步…

微信图片_20221029111446.jpg



目录
相关文章
|
12月前
【力扣】-- 移除链表元素
【力扣】-- 移除链表元素
128 1
|
6月前
|
机器学习/深度学习 存储 算法
【LeetCode 热题100】347:前 K 个高频元素(详细解析)(Go语言版)
这篇文章详细解析了力扣热题 347——前 K 个高频元素的三种解法:哈希表+小顶堆、哈希表+快速排序和哈希表+桶排序。每种方法都附有清晰的思路讲解和 Go 语言代码实现。小顶堆方法时间复杂度为 O(n log k),适合处理大规模数据;快速排序方法时间复杂度为 O(n log n),适用于数据量较小的场景;桶排序方法在特定条件下能达到线性时间复杂度 O(n)。文章通过对比分析,帮助读者根据实际需求选择最优解法,并提供了完整的代码示例,是一篇非常实用的算法学习资料。
356 90
|
4月前
|
Go
【LeetCode 热题100】DP 实战进阶:最长递增子序列、乘积最大子数组、分割等和子集(力扣300 / 152/ 416 )(Go语言版)
本文深入解析三道经典的动态规划问题:**最长递增子序列(LIS)**、**乘积最大子数组** 和 **分割等和子集**。 - **300. LIS** 通过 `dp[i]` 表示以第 `i` 个元素结尾的最长递增子序列长度,支持 O(n²) 动态规划与 O(n log n) 的二分优化。 - **152. 乘积最大子数组** 利用正负数特性,同时维护最大值与最小值的状态转移方程。 - **416. 分割等和子集** 转化为 0-1 背包问题,通过布尔型 DP 实现子集和判断。 总结对比了三题的状态定义与解法技巧,并延伸至相关变种问题,助你掌握动态规划的核心思想与灵活应用!
141 1
|
4月前
|
分布式计算 算法 Go
【LeetCode 热题100】BFS/DFS 实战:岛屿数量 & 腐烂的橘子(力扣200 / 994 )(Go语言版)
本文讲解了两道经典的图论问题:**岛屿数量(LeetCode 200)** 和 **腐烂的橘子(LeetCode 994)**,分别通过 DFS/BFS 实现。在“岛屿数量”中,利用深度或广度优先搜索遍历二维网格,标记连通陆地并计数;“腐烂的橘子”则采用多源 BFS,模拟腐烂传播过程,计算最短时间。两者均需掌握访问标记技巧,是学习网格搜索算法的绝佳实践。
149 1
|
5月前
|
Go 开发者 索引
【LeetCode 热题100】路径与祖先:二叉树中的深度追踪技巧(力扣33 / 81/ 153/154)(Go语言版)
本文深入探讨了LeetCode中四道关于「搜索旋转排序数组」的经典题目,涵盖了无重复和有重复元素的情况。通过二分查找的变形应用,文章详细解析了每道题的解题思路和Go语言实现代码。关键点包括判断有序区间、处理重复元素以及如何缩小搜索范围。文章还总结了各题的异同,并推荐了类似题目,帮助读者全面掌握二分查找在旋转数组中的应用。无论是初学者还是有经验的开发者,都能从中获得实用的解题技巧和代码实现方法。
258 14
|
4月前
|
Go
【LeetCode 热题100】BFS/DFS 实战:岛屿数量 & 腐烂的橘子(力扣200 / 994 )(Go语言版)
本篇博客详细解析了三道经典的动态规划问题:198. 打家劫舍(线性状态转移)、279. 完全平方数与322. 零钱兑换(完全背包问题)。通过 Go 语言实现,帮助读者掌握动态规划的核心思想及其实战技巧。从状态定义到转移方程,逐步剖析每道题的解法,并总结其异同点,助力解决更复杂的 DP 问题。适合初学者深入理解动态规划的应用场景和优化方法。
91 0
|
4月前
|
算法 Go 索引
【LeetCode 热题100】回溯:括号生成 & 组合总和(力扣22 / 39 )(Go语言版)
本文深入解析了LeetCode上的两道经典回溯算法题:**22. 括号生成**与**39. 组合总和**。括号生成通过维护左右括号数量,确保路径合法并构造有效组合;组合总和则允许元素重复选择,利用剪枝优化搜索空间以找到所有满足目标和的组合。两者均需明确路径、选择列表及结束条件,同时合理运用剪枝策略提升效率。文章附有Go语言实现代码,助你掌握回溯算法的核心思想。
112 0
|
6月前
|
Go
【LeetCode 热题100】路径与祖先:二叉树中的深度追踪技巧(力扣437 / 236 )(Go语言版)
本文深入探讨二叉树中路径与祖先问题,涵盖两道经典题目:LeetCode 437(路径总和 III)和236(最近公共祖先)。对于路径总和 III,文章分析了双递归暴力解法与前缀和优化方法,后者通过哈希表记录路径和,将时间复杂度从O(n²)降至O(n)。在最近公共祖先问题中,采用后序遍历递归查找,利用“自底向上”的思路确定最近公共祖先节点。文中详细解析代码实现与核心要点,帮助读者掌握深度追踪技巧,理解树结构中路径与节点关系的本质。这类问题在面试中高频出现,掌握其解法意义重大。
127 4
|
6月前
|
算法 Go
【LeetCode 热题100】深入理解二叉树结构变化与路径特性(力扣104 / 226 / 114 / 543)(Go语言版)
本博客深入探讨二叉树的深度计算、结构变换与路径分析,涵盖四道经典题目:104(最大深度)、226(翻转二叉树)、114(展开为链表)和543(二叉树直径)。通过递归与遍历策略(前序、后序等),解析每题的核心思路与实现方法。结合代码示例(Go语言),帮助读者掌握二叉树相关算法的精髓。下一讲将聚焦二叉树构造问题,欢迎持续关注!
141 10
|
12月前
【LeetCode 27】347.前k个高频元素
【LeetCode 27】347.前k个高频元素
110 0

热门文章

最新文章