Solved @zjming

Author: zjming

0155-min-stack/Animation/1.mp4

@@ -0,0 +1,77 @@
+#### 题目描述
+
+> 设计一个支持 push ，pop ，top 操作，并能在常数时间内检索到最小元素的栈。
+>
+> + push(x) —— 将元素 x 推入栈中。
+> + pop() —— 删除栈顶的元素。
+> + top() —— 获取栈顶元素。
+> + getMin() —— 检索栈中的最小元素。
+
+```java
+示例：
+   	MinStack minStack = new MinStack();
+	minStack.push(-2);
+	minStack.push(0);
+	minStack.push(-5);
+	minStack.push(1)
+	minStack.getMin();   --> 返回 -5.
+	minStack.pop();
+	minStack.top();      --> 返回 -5.
+	minStack.getMin();   --> 返回 -5.
+```
+
+#### 题目解析
+
+为了能在常数时间内检测到栈中的最小元素，我们可以通过"空间换时间"的方式进行实现，为栈本身（数据栈\_data）增加一个辅助栈（最小值栈\_min）。每一次元素入 \_data 栈，则在 \_min 栈中增加对应的最小值；当 \_data 栈中的元素出栈，则 \_min 栈也进行出栈操作
+
+#### 动画理解
+
+![](../Animation/Animation.gif)
+
+#### 代码实现
+
+```java
+class MinStack {
+
+    private Stack<Integer> _data;
+    private Stack<Integer> _min;
+
+    /** initialize your data structure here. */
+    public MinStack() {
+        _data = new Stack<>();
+        _min = new Stack<>();
+    }
+    
+    public void push(int x) {
+        _data.add(x);
+        if (_min.isEmpty()){
+            _min.push(x);
+        }
+        else{
+            if (x > _min.peek()){
+                x = _min.peek();
+            }
+            _min.push(x);
+        }
+    }
+    
+    public void pop() {
+        _data.pop();
+        _min.pop();
+    }
+    
+    public int top() {
+        return _data.peek();
+    }
+    
+    public int getMin() {
+        return _min.peek();
+    }
+}
+```
+
+#### 复杂度分析
+
++ 时间复杂度：O(1)。
++ 空间复杂度：O(n)。
+

0155-min-stack/Animation/Animation.gif

@@ -0,0 +1,37 @@
+class MinStack {
+
+    private Stack<Integer> _data;
+    private Stack<Integer> _min;
+
+    /** initialize your data structure here. */
+    public MinStack() {
+        _data = new Stack<>();
+        _min = new Stack<>();
+    }
+    
+    public void push(int x) {
+        _data.add(x);
+        if (_min.isEmpty()){
+            _min.push(x);
+        }
+        else{
+            if (x > _min.peek()){
+                x = _min.peek();
+            }
+            _min.push(x);
+        }
+    }
+    
+    public void pop() {
+        _data.pop();
+        _min.pop();
+    }
+    
+    public int top() {
+        return _data.peek();
+    }
+    
+    public int getMin() {
+        return _min.peek();
+    }
+}

0155-min-stack/Article/0155-min-stack

@@ -0,0 +1,88 @@
+# LeetCode 第 215 号问题：数组中的第K个最大元素
+
+> 本文首发于公众号「图解面试算法」，是 [图解 LeetCode ](<https://github.com/MisterBooo/LeetCodeAnimation>) 系列文章之一。
+>
+> 同步博客：https://www.algomooc.com
+
+题目来源于 LeetCode 上第 215 号问题：数组中的第K个最大元素。题目难度为 Medium，目前通过率为 62.0% 。
+
+#### 题目描述
+
+> 在未排序的数组中找到第 **k** 个最大的元素。请注意，你需要找的是数组排序后的第 k 个最大的元素，而不是第 k 个不同的元素。
+>
+
+```java
+示例1：
+输入: [3,2,1,5,6,4] 和 k = 2
+输出: 5
+示例2：
+输入: [3,2,3,1,2,4,5,5,6] 和 k = 4
+输出: 4
+```
+
+#### 题目解析
+
+维护一个K大小的最小堆，堆中元素个数小于K时，新元素直接进入堆中；否则，当堆顶小于新元素时，弹出堆顶，将新元素加入堆。
+
+由于堆是最小堆，堆顶是堆中的最小元素，新元素都会保证比堆顶小（否则新元素替换堆顶），故堆中K个元素是已扫描元素里最大的K个；堆顶元素即为第K大数。
+
+#### 动画理解
+
+![](../Animation/Animation.gif)
+
+#### 代码实现
+
+Java语言
+
+```java
+class Solution {
+    public int findKthLargest(int[] nums, int k) {
+        // // 创建一个小顶堆（优先队列模拟）
+        PriorityQueue<Integer> heap =
+            new PriorityQueue<Integer>();
+
+        // 在堆中维护当前最大k个元素
+        for (int i = 0; i < nums.length; i++){
+            if(heap.size() < k){
+                heap.add(nums[i]);
+            }else if (heap.element() < nums[i]){
+                heap.poll();
+                heap.add(nums[i]);
+            }
+        }
+        return heap.poll();        
+  }
+}
+```
+
+C++语言实现
+
+```c++
+#include <queue>
+
+class Solution {
+public:
+    int findKthLargest(vector<int>& nums, int k) {
+        priority_queue<int, vector<int>, greater<int> > Q;
+        for(int i = 0; i < nums.size(); i++){
+            if(Q.size() < k){
+                Q.push(nums[i]);
+            }
+            else if(Q.top() < nums[i]){
+                Q.pop();
+                Q.push(nums[i]);
+            }
+        }
+        
+        return Q.top();
+    }
+};
+```
+
+#### 复杂度分析
+
++ 时间复杂度：向大小为 k 的堆中添加元素的时间复杂度为O(logK)，重复该操作 N 次，故总时间复杂度为 O(NlogK)
++ 空间复杂度：O(K)
+
+
+

0155-min-stack/Code/1.java

@@ -0,0 +1,19 @@
+#include <queue>
+
+class Solution {
+public:
+    int findKthLargest(vector<int>& nums, int k) {
+        priority_queue<int, vector<int>, greater<int> > Q;
+        for(int i = 0; i < nums.size(); i++){
+            if(Q.size() < k){
+                Q.push(nums[i]);
+            }
+            else if(Q.top() < nums[i]){
+                Q.pop();
+                Q.push(nums[i]);
+            }
+        }
+        
+        return Q.top();
+    }
+};

0215-Kth-Largest-Element-in-an-Array/Animation/1.mp4

@@ -0,0 +1,18 @@
+class Solution {
+    public int findKthLargest(int[] nums, int k) {
+        // // 创建一个小顶堆（优先队列模拟）
+        PriorityQueue<Integer> heap =
+            new PriorityQueue<Integer>();
+
+        // 在堆中维护当前最大k个元素
+        for (int i = 0; i < nums.length; i++){
+            if(heap.size() < k){
+                heap.add(nums[i]);
+            }else if (heap.element() < nums[i]){
+                heap.poll();
+                heap.add(nums[i]);
+            }
+        }
+        return heap.poll();        
+  }
+}

0215-Kth-Largest-Element-in-an-Array/Animation/Animation.gif

@@ -0,0 +1,87 @@
+# LeetCode 第 290 号问题：单词规律
+
+> 本文首发于公众号「图解面试算法」，是 [图解 LeetCode ](<https://github.com/MisterBooo/LeetCodeAnimation>) 系列文章之一。
+>
+> 同步博客：https://www.algomooc.com
+
+题目来源于 LeetCode 上第 290 号问题：单词规律。题目难度为 Easy，目前通过率为 42.4% 。
+
+#### 题目描述
+
+> 给定一种规律 `pattern` 和一个字符串 `str` ，判断 `str` 是否遵循相同的规律。
+>
+> 这里的 遵循 指完全匹配，例如， pattern 里的每个字母和字符串 str 中的每个非空单词之间存在着双向连接的对应规律。
+>
+> 说明：你可以假设 `pattern` 只包含小写字母， `str` 包含了由单个空格分隔的小写字母。  
+
+```java
+示例1：
+输入: pattern = "abba", str = "dog cat cat dog"
+输出: true
+示例2：
+输入:pattern = "abba", str = "dog cat cat fish"
+输出: false
+示例3：
+输入: pattern = "aaaa", str = "dog cat cat dog"
+输出: false
+示例4：
+输入: pattern = "abba", str = "dog dog dog dog"
+输出: false
+```
+
+#### 题目解析
+
+这道题目主要考察哈希表和字符串的内容。可以将题目拆解为下面三步：
+
+1. 设置`pattern`字符到单词（字符串 `str`）的**映射（哈希）**，使用`HashMap()`存储；使用`HashSet()` 记录被使用过的单词  。
+2. 若单词个数和`pattern`字符个数不匹配，返回false；
+3. 遍历`pattern`，同时**对应的**向前移动 `str` 中单词的指针，每次拆分出`pattern`中的一个字符， **判断：**
+   + 如果该字符**从未出现**在哈希表中：
+     + 如果该字符对应的单词已被使用过 ，即`HashSet()`中包含该字符对应的单词，则返回false；
+     + 将该字符与其对应的单词**做映射**，加入哈希表中；**标记**该字符指向的单词**为已使用**，并加入`HashSet()`；
+   + 如果该字符在哈希表的**映射单词**与当前指向的单词不同，则返回false；
+
+#### 动画理解
+
+![](../Animation/Animation.gif)
+
+#### 代码实现
+
+Java语言
+
+```java
+class Solution {
+    public boolean wordPattern(String pattern, String str) {
+        HashMap<Character, String> map = new HashMap<>();
+        HashSet<String> set = new HashSet<>();
+        String[] array = str.split(" ");
+
+        if (pattern.length() != array.length) {
+            return false;
+        }
+        for (int i = 0; i < pattern.length(); i++) {
+            char key = pattern.charAt(i);
+            if (!map.containsKey(key)) {
+                if (set.contains(array[i])) {
+                    return false;
+                }
+                map.put(key, array[i]);
+                set.add(array[i]);
+            } else {
+                if (!map.get(key).equals(array[i])) {
+                    return false;
+                }
+            }
+        }
+        return true;
+    }
+}
+```
+
+#### 复杂度分析
+
++ 时间复杂度：遍历`pattren` 一遍，时间复杂度O(n)
++ 空间复杂度：需要申请`HashMap()` 与 `HashSet()` ，还需要将字符串 `str` 分割后存储起来，空间复杂度O(n)
+
+
+

0215-Kth-Largest-Element-in-an-Array/Article/0215-Kth-Largest-Element-in-an-Array

@@ -0,0 +1,26 @@
+class Solution {
+    public boolean wordPattern(String pattern, String str) {
+        HashMap<Character, String> map = new HashMap<>();
+        HashSet<String> set = new HashSet<>();
+        String[] array = str.split(" ");
+
+        if (pattern.length() != array.length) {
+            return false;
+        }
+        for (int i = 0; i < pattern.length(); i++) {
+            char key = pattern.charAt(i);
+            if (!map.containsKey(key)) {
+                if (set.contains(array[i])) {
+                    return false;
+                }
+                map.put(key, array[i]);
+                set.add(array[i]);
+            } else {
+                if (!map.get(key).equals(array[i])) {
+                    return false;
+                }
+            }
+        }
+        return true;
+    }
+}