[lvl3]이중우선순위큐

문제 설명

이중 우선순위 큐는 다음 연산을 할 수 있는 자료구조를 말합니다.

명령어	수신 탑(높이)
I 숫자	큐에 주어진 숫자를 삽입합니다.
D 1	큐에서 최댓값을 삭제합니다.
D -1	큐에서 최솟값을 삭제합니다.

이중 우선순위 큐가 할 연산 operations가 매개변수로 주어질 때, 모든 연산을 처리한 후 큐가 비어있으면 [0,0] 비어있지 않으면 [최댓값, 최솟값]을 return 하도록 solution 함수를 구현해주세요.

제한사항

operations는 길이가 1 이상 1,000,000 이하인 문자열 배열입니다.
operations의 원소는 큐가 수행할 연산을 나타냅니다.
- 원소는 “명령어 데이터” 형식으로 주어집니다.- 최댓값/최솟값을 삭제하는 연산에서 최댓값/최솟값이 둘 이상인 경우, 하나만 삭제합니다.
빈 큐에 데이터를 삭제하라는 연산이 주어질 경우, 해당 연산은 무시합니다.

입출력 예

operations	return
[“I 16”, “I -5643”, “D -1”, “D 1”, “D 1”, “I 123”, “D -1”]	[0,0]
[“I -45”, “I 653”, “D 1”, “I -642”, “I 45”, “I 97”, “D 1”, “D -1”, “I 333”]	[333, -45]

입출력 예 설명

입출력 예 #1

16과 -5643을 삽입합니다.
최솟값을 삭제합니다. -5643이 삭제되고 16이 남아있습니다.
최댓값을 삭제합니다. 16이 삭제되고 이중 우선순위 큐는 비어있습니다.
우선순위 큐가 비어있으므로 최댓값 삭제 연산이 무시됩니다.
123을 삽입합니다.
최솟값을 삭제합니다. 123이 삭제되고 이중 우선순위 큐는 비어있습니다.

따라서 [0, 0]을 반환합니다.

입출력 예 #2

-45와 653을 삽입후 최댓값(653)을 삭제합니다. -45가 남아있습니다.
-642, 45, 97을 삽입 후 최댓값(97), 최솟값(-642)을 삭제합니다. -45와 45가 남아있습니다.
333을 삽입합니다.

이중 우선순위 큐에 -45, 45, 333이 남아있으므로, [333, -45]를 반환합니다.

코드:

  
import heapq
def solution(operations):
    heap = []
    for operation in operations:
        command, num = operation.split(" ")
        if command=="I":
            heapq.heappush(heap, int(num))
        elif command=="D" and num =='-1':
            if len(heap) > 0:
                heapq.heappop(heap)
        else:            
            if len(heap) > 0:
                heap.remove(max(heap))
    if len(heap) > 0:
        return [max(heap), min(heap)]
    return [0, 0]

코드 설명:

operations breakdown
- operations 리스트를 forEach 포문으로 돌리고
- 각 operation마다 split함수로 띄어쓰기 기준으로 분리하여 command, num에 각각 부여했다
command에 I, D가 들어왔을때 구분
- I: heappush
- D:
  - num -1: heappop
  - num 1: heap을 리스트로 바꾼 뒤 remove(max())
heap이 비어있는지 확인과정 추가

우수답변자 코드:

두개의 heap을 사용(max를 구하는 heap, min을 구하는 heap) ```python from heapq import heappush, heappop

def solution(arguments): max_heap = [] min_heap = [] for arg in arguments: if arg == “D 1”: if max_heap != []: heappop(max_heap) if max_heap == [] or -max_heap[0] < min_heap[0]: min_heap = [] max_heap = [] elif arg == “D -1”: if min_heap != []: heappop(min_heap) if min_heap == [] or -max_heap[0] < min_heap[0]: max_heap = [] min_heap = [] else: num = int(arg[2:]) heappush(max_heap, -num) heappush(min_heap, num) if min_heap == []: return [0, 0] return [-heappop(max_heap), heappop(min_heap)]

## 우수답변자2 코드:
- 내 코드와 유사한 코드
```python
import heapq

def solution(operations):
    heap = []

    for operation in operations:
        operator, operand = operation.split(' ')
        operand = int(operand)

        if operator == 'I':
            heapq.heappush(heap, operand)
        elif heap:
            if operand < 0:
                heapq.heappop(heap)
            else:
                heap.remove(max(heap))

    if not heap:
        return [0, 0]

    return [max(heap), heap[0]]

피드백:

heap을 heapify 안하고 쓴다는게 어색해서 계속 heapify를 했었어나, 불필요하다는걸 깨닫고 없애니 코드가 훨씬 간결해졌다
heap.remove(max(heap))를 쓰는것이 간단하고 쉽지만, max용, min용 heap 두 heap을 운영하는것보다 효율적인지는 생각이 더 필요해 보인다