给定一个长度为 n 的数组 num 和滑动窗口的大小 size ，找出所有滑动窗口里数值的最大值。
窗口大于数组长度或窗口长度为 0 的时候，返回空。
思路1：优先队列
使用优先队列(堆)维护窗口内的最大值;
细节:
堆除了要保存值还要保存索引, 用于判断当前的最大值是否还在窗口内;
Python 中的默认实现为最小堆, 需要转成最大堆(取相反数);
Python
class Solution:
def maxInWindows(self , arr: List[int], size: int) -> List[int]:
if size <= 0 or size > len(arr): return []
import heapq
# 初始化大顶堆
h = []
for i in range(size):
heapq.heappush(h, (-arr[i], i)) # 默认小顶堆，取相反数使变成大顶堆
ret = [-h[0][0]]
for i in range(size, len(arr)):
while h and h[0][1] <= i - size: # 保证堆顶元素在窗口内
heapq.heappop(h)
heapq.heappush(h, (-arr[i], i))
ret.append(-h[0][0])
return ret
思路2：单调队列
使用一个严格单调队列 q 保存窗口内值的索引（保存索引，相当于保存了两个信息）；
这样每次将队首元素加入结果集即可；当队首元素不在窗口中时，出队；
Python
class Solution:
def maxInWindows(self , arr: List[int], size: int) -> List[int]:
# 窗口大于数组长度时
if size > len(arr): return []
from collections import deque
# 初始化单调队列，严格单调
q = deque()
for i in range(size):
# 当入队元素大于队尾时，队尾出队
while q and arr[q[-1]] <= arr[i]: # 这里用 <= 是避免相等时判断
q.pop()
q.append(i) # 队列中保存 索引 而不是值，这样相当于保存了两个信息
ret = [arr[q[0]]] # 初始化结果序列
for i in range(size, len(arr)):
# 如果队首不在窗口内，则弹出（保存索引的好处）
if q[0] == i - size:
q.popleft()
# 保持单调队列
while q and arr[q[-1]] <= arr[i]:
q.pop()
q.append(i)
ret.append(arr[q[0]])
return ret