1 问题
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。
例如,如果输入数组{2,3,4,2,6,2,5,1}及滑动窗口的大小3,那么一共存在6个滑动窗口,他们的最大值分别为{4,4,6,6,6,5}; 针对数组{2,3,4,2,6,2,5,1}的滑动窗口有以下6个: {[2,3,4],2,6,2,5,1}, {2,[3,4,2],6,2,5,1}, {2,3,[4,2,6],2,5,1}, {2,3,4,[2,6,2],5,1}, {2,3,4,2,[6,2,5],1}, {2,3,4,2,6,[2,5,1]}。
窗口大于数组长度或窗口长度为0的时候,返回空。
数据范围: 1≤n≤10000,0≤size≤10000,数组中每个元素的值满足 ∣val∣≤10000
要求:空间复杂度 O(n),时间复杂度 O(n)
示例1
输入:[2,3,4,2,6,2,5,1],3
返回值:[4,4,6,6,6,5]
示例2
输入:[9,10,9,-7,-3,8,2,-6],5
返回值:[10,10,9,8]
示例3
输入:[1,2,3,4],5
返回值:[]
2 答案
自己写的
class Solution:
def maxInWindows(self , num: List[int], size: int) -> List[int]:
if size > len(num) or size == 0:
return []
res = []
left, right = 0, size-1
while right < len(num):
max_v = float('-inf')
for i in range(left, right+1):
max_v = max(max_v, num[i])
res.append(max_v)
left+=1
right+=1
return res

官方解
- 双向队列
如果说队列是一种只允许从尾部进入,从头部出来的线性数据结构,那双向队列就是一种特殊的队列了,双向队列两边,即头部和尾部都可以进行插入元素和删除元素的操作,但是也只能插入到最尾部或者最头部,每次也只能取出头部元素或者尾部元素后才能取出里面的元素。
我们都知道,若是一个数字A进入窗口后,若是比窗口内其他数字都大,那么这个数字之前的数字都没用了,因为它们必定会比A早离开窗口,在A离开之前都争不过A,所以A在进入时依次从尾部排除掉之前的小值再进入,而每次窗口移动要弹出窗口最前面值,因此队首也需要弹出,所以我们选择双向队列。
- step 1:维护一个双向队列,用来存储数列的下标。
- step 2:首先检查窗口大小与数组大小。
- step 3:先遍历第一个窗口,如果即将进入队列的下标的值大于队列后方的值,依次将小于的值拿出来去掉,再加入,保证队列是递增序。
- step 4:遍历后续窗口,每次取出队首就是最大值,如果某个下标已经过了窗口,则从队列前方将其弹出。
- step 5:对于之后的窗口,重复step 3,直到数组结束。
class Solution:
def maxInWindows(self , num: List[int], size: int) -> List[int]:
res = []
if size <= len(num) and size != 0:
from collections import deque
dq = deque()
for i in range(size):
while len(dq) != 0 and num[dq[-1]] < num[i]:
dq.pop()
dq.append(i)
for i in range(size, len(num)):
res.append(num[dq[0]])
while len(dq) != 0 and dq[0] < (i-size+1):
dq.popleft()
while len(dq) != 0 and num[dq[-1]] < num[i]:
dq.pop()
dq.append(i)
res.append(num[dq[0]])
return res
- 暴力法
另一种更简单直观的方式,莫过于直接遍历两层:第一层为窗口起点,第二层为窗口长度,即遍历了所有的窗口的每个位置。
- step 1:第一次遍历数组每个位置作为窗口的起点。
- step 2:从每个起点开始遍历窗口长度,查找其中的最大值。
class Solution:
def maxInWindows(self , num: List[int], size: int) -> List[int]:
res = []
#窗口大于数组长度的时候,返回空
if size <= len(num) and size != 0:
#数组后面要空出窗口大小,避免越界,因为有两层,所以要加一
for i in range (len(num) - size + 1):
#寻找每个窗口最大值
max = 0
for j in range(i, i + size):
if num[j] > max:
max = num[j]
res.append(max)
return res
https://www.nowcoder.com/share/jump/9318638301700198632829
文章讨论了如何在给定长度为n的数组和滑动窗口大小的情况下,找出所有滑动窗口内的最大值。提供了三种方法:自定义解决方案使用双向队列,官方解决方案,以及暴力法遍历。强调了空间复杂度为O(n)和时间复杂度的要求。

8万+

被折叠的 条评论
为什么被折叠?



