1. LC 901.股票价格跨度
题面:
设计一个算法收集某些股票的每日报价,并返回该股票当日价格的 跨度 。
当日股票价格的 跨度 被定义为股票价格小于或等于今天价格的最大连续日数(从今天开始往回数,包括今天)。
- 例如,如果未来 7 天股票的价格是
[100,80,60,70,60,75,85]
,那么股票跨度将是[1,1,1,2,1,4,6]
。
实现 StockSpanner
类:
StockSpanner()
初始化类对象。int next(int price)
给出今天的股价price
,返回该股票当日价格的 跨度 。
示例:
输入:
["StockSpanner", "next", "next", "next", "next", "next", "next", "next"]
[[], [100], [80], [60], [70], [60], [75], [85]]
输出:
[null, 1, 1, 1, 2, 1, 4, 6]
解释:
StockSpanner stockSpanner = new StockSpanner();
stockSpanner.next(100); // 返回 1
stockSpanner.next(80); // 返回 1
stockSpanner.next(60); // 返回 1
stockSpanner.next(70); // 返回 2
stockSpanner.next(60); // 返回 1
stockSpanner.next(75); // 返回 4 ,因为截至今天的最后 4 个股价 (包括今天的股价 75) 都小于或等于今天的股价。
stockSpanner.next(85); // 返回 6
思路分析:
现在假设我们先要统计第5天(索引从0开始),也就是价格为75的那一天的跨度。然后统计第6天,也就是价格为85的那一天的跨度。
- 75一直到前面的60都是ok的,80不满足条件,所以跨度=5-2+1=5-1=4(第5天75,第2天60)
- 85一直到前面80都是ok的,100不满足条件,所以跨度=6-1+1=6-0=6
观察一下,可以发现85重复统计了第2到第4天(60,70,60)的数据,但实际上,如果我们明确知道了85≥75时,就可以复用75的统计,也就是自动筛掉(60,70,60)这组数据了。
但75和80本身不在75的统计中,所以85在统计时还是要算上这俩的。
也就是说如果我们统计了某一天的跨度,发现当日(假设第x天)股票价格比过去相邻且连续的某些天的股票价格要大(或相等),我们就可以把之前那些天的价格全扔了,之后就不用统计了。
这是因为,若
- 第y天的价格≥第x天的价格,y>x。那么第y天的价格一定大于被扔掉的那些天的价格
- 第y天的价格<第x天的价格,y>x。那么在统计第y天的跨度时,无论它和被扔掉的那些天的价格比较的结果如何,它至少会卡在第x天上。换个说法,它根本就没资格和之前被扔掉的那些天的价格作比较。
由上述1,2的分析,我们就可以放心地把在第x天之前并且和第x天相邻且连续的所有不如第x天价格的天数全部都扔了。
这样的操作带来了两个特性:
- 先进后出
- 记录的数据加在最上面
- 扔掉的数据从上面开始
- 单调减
- 记录当日价格时会把之前≤当日价格的数据扔掉,不可能出现某两个记录,在下面的记录的价格反而小于在上面的记录的价格。
这样的数据结构称为单调栈。
流程图:
- 6 85
5 75(drc 6,85)4 60(drc1 5 75)3 70(drc2 5,75)2 60(delte when record 3 70)- 1 80
- 0 100
注意扔掉的时机
代码实现:
class StockSpanner {
Deque<int[]> stack;
int idx;
public StockSpanner() {
stack = new ArrayDeque<int[]>();
idx = -1;
stack.push(new int[]{-1,Integer.MAX_VALUE}); //哨兵
}
public int next(int price) {
idx++;
while(price>=stack.peek()[1]){
stack.pop();
}
int res = idx - stack.peek()[0];
stack.push(new int[]{
idx,price
});
return res;
}
}
/**
* Your StockSpanner object will be instantiated and called as such:
* StockSpanner obj = new StockSpanner();
* int param_1 = obj.next(price);
*/
注意为了peek时不为null,加个哨兵{-1,+∞}。
2. LC 739/LCR 038.每日温度
题面:
给定一个整数数组 temperatures
,表示每天的温度,返回一个数组 answer
,其中 answer[i]
是指对于第 i
天,下一个更高温度出现在几天后。如果气温在这之后都不会升高,请在该位置用 0
来代替。
示例:
示例 1:
输入:temperatures = [73,74,75,71,69,72,76,73]
输出: [1,1,4,2,1,1,0,0]
示例 2:
输入: temperatures = [30,40,50,60]
输出: [1,1,1,0]
示例 3:
输入: temperatures = [30,60,90]
输出:[1,1,0]
代码实现:
class Solution {
public int[] dailyTemperatures(int[] temperatures) {
Deque<int[]> stack = new ArrayDeque<int[]>();
int n = temperatures.length;
stack.push(
new int[]{
n,Integer.MAX_VALUE
}
);
int[] ans = new int[n];
for(int i=n-1;i>=0;i--){
while(temperatures[i]>=stack.peek()[1]){
stack.pop();
}
ans[i] = stack.peek()[0]==n?0:stack.peek()[0]-i;
stack.push(
new int[]{
i,temperatures[i]
}
);
}
return ans;
}
}
3. LC 1944 队列中可以看到的人数
少有的我能做出来的hard哈(
这题意思就是,对于任意两个人,如果中间有更高的挡着他俩中的任何一个,那就看不见,否则就能看见。
维护一个单调减的栈(栈顶最小),从右往左检查。如果当前的人比栈顶更高,就让他把栈顶的人踢掉,每踢掉一个,就可以多看见一个人(因为这个人比他矮)。
那可能会担心,万一被踢的这个人右边没有更高的呢,那不就看不见吗,类似于
[ 4,3,2,1]
这是不用担心的,4是不可能把2踢出去的,因为2是被3踢出去的(
如果踢完了之后栈仍不为空,那么栈中最右侧的那个人也能被当前这个人看到,要+1;否则当前这个人就是遍历到现在最高的人,看不到更右边的人。
import java.util.Arrays;
import java.util.Stack;
class Solution {
public int[] canSeePersonsCount(int[] heights) {
int n = heights.length;
int[] ans = new int[n];
Arrays.fill(ans,0);
Stack<Integer> stk = new Stack<>();
stk.push(n-1);
for(int i=n-2;i>=0;i--){
while(!stk.isEmpty() && heights[stk.peek()]<heights[i]){
stk.pop();
ans[i]++;
}
ans[i] += (stk.isEmpty()?0:1);
stk.push(i);
}
return ans;
}
}
4. LC 1475 商品折扣后的最终价格
单调栈入门板子。从后向前遍历,维护严格单增单调栈。每次遇到比自己大的就踢掉,因此最后栈里面剩下来的元素中,越靠近栈顶,就越靠近左边,越靠近栈底,就越靠近右边,也越小。如果栈不为空,那么就可以减掉栈顶对应的折扣了。
import java.util.Stack;
class Solution {
public int[] finalPrices(int[] prices) {
Stack<Integer> stk = new Stack<Integer>();
int n = prices.length;
int[] ans = new int[n];
ans[n-1] = prices[n-1];
stk.push(prices[n-1]);
for(int i=n-2;i>=0;i--){
while(!stk.isEmpty() && prices[i]<stk.peek()){
stk.pop();
}
ans[i] = prices[i];
if(!stk.isEmpty()){
ans[i] -= stk.peek();
}
stk.push(prices[i]);
}
return ans;
}
}
5. LC 496 下一个更大元素Ⅰ
这道题数据小暴力不会T,但是如果要求O(m+n)的复杂度呢?
从后往前遍历,维护单调栈,如果栈顶的比自己小就踢出去,然后更新自己的下一个最大值(维护一个数组)。最终自己入栈。
这样就能保证每次查询栈顶的时候,一定是离自己最近的更大值(不可能更小,因为更小的都被踢了,不可能更远,因为在栈顶)
import java.util.Arrays;
import java.util.Stack;
class Solution {
public int[] nextGreaterElement(int[] nums1, int[] nums2) {
int[] ans = new int[nums1.length];
Stack<Integer> stk = new Stack<>();
int[] next = new int[(int)1e4+5];
Arrays.fill(next,-1);
for(int i=nums2.length-1;i>=0;i--){
while(!stk.isEmpty() && nums2[i]>stk.peek()){
stk.pop();
}
next[nums2[i]] = stk.isEmpty()?-1:stk.peek();
stk.push(nums2[i]);
}
for (int i = 0; i < nums1.length; i++) {
ans[i] = next[nums1[i]];
}
return ans;
}
}
6. LC 962 最大宽度坡
大致思路是:将更小的数组元素作为检查的锚点。
具体来讲,对于下标i,j,k,如果有A[i] ≤ A[j] ,且i<j,又有A[j] ≤ A[k] ,且j<k,那么答案只可能是k-i而非j-i。这个i相对于j来说就是更小的数组元素,被作为检查点。
在求解答案时,由于想要的是最大距离,因此倒着遍历,对于每一个遍历的下标i,将检查点检查到无可再查的地步,也就是nums[i] <nums[stk.peek()]的程度。不必担心会对下一轮遍历到的前方的索引产生影响,因为如果下一轮也大于这一轮的某些检查点,由于倒着遍历,它的距离不会更大。
import java.util.Stack;
class Solution {
public int maxWidthRamp(int[] nums) {
// 将更小的元素A[i]作为检查点 否则,如果A[k] >= A[j] ,那么一定有A[k] >= A[i] 而 i < j,故可以省略k和j的比较
Stack<Integer> stk = new Stack<>();
for (int i = 0; i < nums.length; i++) {
if(stk.isEmpty() || nums[i] <= nums[stk.peek()]){
stk.push(i);
}
}
int ans = 0;
// 因为求最大距离,所以倒着检查
for(int i=nums.length-1;i>=0;i--){
// 由于由远到近检查 因此一直检查到并不>=栈顶元素的时刻
while(!stk.isEmpty() && nums[i] >= nums[stk.peek()]){
ans = Math.max(ans,i-stk.pop());
}
}
return ans;
}
}
7. LC 1019 链表中的下一个更大节点
这题就是把LC 496题改成了在链表中回溯。注意题目没有给长度n,可以深搜直到底部的时候用递归基中的索引号建立ans数组,以此卡常节省时间。
import java.util.Arrays;
import java.util.Stack;
/**
* Definition for singly-linked list.
* public class ListNode {
* int val;
* ListNode next;
* ListNode() {}
* ListNode(int val) { this.val = val; }
* ListNode(int val, ListNode next) { this.val = val; this.next = next; }
* }
*/
class Solution {
Stack<Integer> stk;
int[] ans;
public int[] nextLargerNodes(ListNode head) {
stk = new Stack<>();
dfs(head,0);
return ans;
}
private void dfs(ListNode node,int index){
if(node==null){
ans = new int[index];
return;
}
dfs(node.next,index+1);
while(!stk.isEmpty() && node.val >= stk.peek()){
stk.pop();
}
if(!stk.isEmpty()){
ans[index] = stk.peek();
}
stk.push(node.val);
}
}
8. LC 1124 表现良好的最长时间段
这道题和LC 962很像。但是多了个前缀和的部分。
假设劳累的工作日得1分,否则失1分。那么hours数组的前缀和代表了从[0,i]的得分。对于prefix[i]和prefix[j],i<j,prefix[j] - prefix[i] 代表了 [i,j]的得分,如果>0说明劳累的天数比较多,也就是prefix[j] > prefix[i]。
之后这道题就转换为了:在已知前缀和的情况下,求max(i-j),且prefix[j] > prefix[i]。这样就变成了LC 962了。
import java.util.Stack;
class Solution {
public int longestWPI(int[] hours) {
Stack<Integer> stk = new Stack<>();
int[] prefix = new int[hours.length+1];
stk.push(0);
for (int i = 1; i < prefix.length; i++) {
prefix[i] = prefix[i-1] + (hours[i-1]>8?1:-1);
if(prefix[stk.peek()]>prefix[i]){
stk.push(i);
}
}
// 逆序找最远距离
int ans = 0;
for(int i=prefix.length-1;i>=0;i--){
while(!stk.isEmpty() && prefix[stk.peek()]<prefix[i]){
ans = Math.max(ans,i-stk.pop());
}
}
return ans;
}
}
9. LC 1793 好子数组的最大分数
这个定义其实就是矩形的面积,min()是高度,(j-i+1)是宽度。
对于任意一个高度nums[p],怎么求它的宽度,使得矩形面积最大呢?
左边界:在p左侧的小于nums[p]的最近下标l
右边界:在p右侧的小于nums[p]的最近下标r
这是因为,如果小于,说明把nums[p]浪费了,就不可能是最大。
以上两个问题都可以由单调栈求解。
矩形宽度(r-l-1),别忘了r和l都不取。
遍历left,right,要求left[i]和right[i]包含k,也即l<k&&r>k
import java.util.ArrayDeque;
class Solution {
public int maximumScore(int[] nums, int k) {
int n = nums.length;
int[] left = new int[n];
int[] right = new int[n];
ArrayDeque<Integer> stk = new ArrayDeque<>();
for (int i = 0; i < n; i++) {
int x = nums[i];
while(!stk.isEmpty()&&x<=nums[stk.peek()]){
stk.pop();
}
left[i] = stk.isEmpty()?-1:stk.peek();
stk.push(i);
}
stk.clear();
for (int i = n-1; i >= 0; i--) {
int x = nums[i];
while(!stk.isEmpty()&&x<=nums[stk.peek()]){
stk.pop();
}
right[i] = stk.isEmpty()?n:stk.peek();
stk.push(i);
}
int l,r,h;
int ans = 0;
for (int i = 0; i < n; i++) {
h = nums[i];
l = left[i];
r = right[i];
if(l<k&&r>k){
ans = Math.max(ans,h*(r-l-1));
}
}
return ans;
}
}
10. LC 1673 找出最具竞争力的子序列
最具竞争力的子序列是要找出和上一个元素贴的最紧的元素(第一个元素是在前n-k+1个元素中选个最小的),可以单调栈维护。
如果当前的这个比栈顶的小,那么可以把栈顶的踢掉,直到栈顶的比较小,随后把这个加入栈中。
需要注意的是,我们要保证踢掉的不能太多,否则最后凑不满k个了。
因此每次查询当前元素后还有多少个元素,假设还有t个元素,那么t+1+栈中元素的数量要>k才能踢掉栈顶元素:
from typing import List
import copy
class Solution:
def mostCompetitive(self, nums: List[int], k: int) -> List[int]:
stk = []
i = 0
while i < len(nums):
while len(stk) > 0 and nums[i] < stk[len(stk)-1] and (len(nums)-i) + len(stk) > k:
stk.pop()
if len(stk) < k:
stk.append(nums[i])
i += 1
return stk
其中:
(len(nums)-i) + len(stk) > k
是可以优化计算的,我们可以认为可以用来被踢的数量是n-k个,然后每踢一个就少一个,踢没了就不能再踢了。
from typing import List
class Solution:
def mostCompetitive(self, nums: List[int], k: int) -> List[int]:
stk = []
i = 0
remain = len(nums) - k
while i < len(nums):
while len(stk) > 0 and nums[i] < stk[len(stk)-1] and remain>0:
stk.pop()
remain -=1
stk.append(nums[i])
i += 1
return stk[:k]
复杂度O(n)