中等
9.6K
相关企业
给定一个字符串 s ，请你找出其中不含有重复字符的 最长子串 的长度。
示例 1:
输入: s = "abcabcbb"
输出: 3
解释: 因为无重复字符的最长子串是 "abc"，所以其长度为 3。
示例 2:
输入: s = "bbbbb"
输出: 1
解释: 因为无重复字符的最长子串是 "b"，所以其长度为 1。
示例 3:
输入: s = "pwwkew" 输出: 3 解释: 因为无重复字符的最长子串是"wke"，所以其长度为 3。 请注意，你的答案必须是 子串 的长度，"pwke"是一个子序列，不是子串。
1.总体思路：我觉得这题有点像指针。首先使用set()来记录可能得最长子串，这样可以利用里面的remove操作，如果遍历到的元素a已经出现在子串里了，那么使用指针来去除掉set()里面与a相同元素之前的值
2.详细思路：
（1）初始化最大长度maxlen=0,当前长度curlen=0，记录最长子串lookup=set()，指针left=0
（3）循环遍历字符串，使用while循环来判断当前元素是否出现在lookup中，如果出现
lookup.remove(s[left])
left+=1
curlen-=1
（4）把当前元素添加到lookup中
（5）curlen+=1
（6）比较maxlen和curlen的大小，更新maxlen的值
中等
1.3K
相关企业
给定两个字符串 s 和 p，找到 s 中所有 p 的 异位词 的子串，返回这些子串的起始索引。不考虑答案输出的顺序。
异位词 指由相同字母重排列形成的字符串（包括相同的字符串）。
示例 1:
输入: s = "cbaebabacd", p = "abc" 输出: [0,6] 解释: 起始索引等于 0 的子串是 "cba", 它是 "abc" 的异位词。 起始索引等于 6 的子串是 "bac", 它是 "abc" 的异位词。
示例 2:
输入: s = "abab", p = "ab" 输出: [0,1,2] 解释: 起始索引等于 0 的子串是 "ab", 它是 "ab" 的异位词。 起始索引等于 1 的子串是 "ba", 它是 "ab" 的异位词。 起始索引等于 2 的子串是 "ab", 它是 "ab" 的异位词。
1.总体思路：
（1）如何判断s和p在窗口中的词具有相同的字母：使用词频来进行判断，首先初始化一个大小为len(p)的窗口，先计算出s和p在这个窗口中的词频，如果词频相等，也就是说字母相同（这个问题没有强调窗口中的字母必须是不一样的，所以可以使用词频来判断s和p中是否有异位词）。
（2）如何进行窗口滑动：由于第一个位置已经进行了判断，所以在循环时，我们从第二个位置开始，判断s中i+1个位置到i+len(p)个位置的字符串是否与p是异位词。也就是说在循环时，第i个位置的词频-1，而第i+len(p)位置的词频+1，这样就实现了窗口的滑动。
2.详细思路：
（1）初始化统计词频的数组scount和pcount为26位数组
（2）处理特解，当s的长度小于p的长度的时候返回为空，当s==p的时候返回为[0]
（3）初始化窗口： 窗口在[0:len(p)-1]
for i in range(len(p)):
scount[ord(s[i])-ord('a')]+=1
pcount[ord(p[i])-ord('a')]+=1
if scount==pcount:
ans.append(0)（4）滑动窗口：当i=0时，第0个位置到len(p)-1已经在初始化窗口时比较过了，所以第0个位置的字母对应的频率需要-1，第len(p)位置的字母对应的词频+1,这时候相当于窗口划到[1:len(p)]。同理可得到i=2,3,4...的算法
for i in range(len(s)-len(p)):
scount[ord(s[i])-ord('a')]-=1
scount[ord(s[i+len(p)])-ord('a')]+=1
if scount==pcount:
ans.append(i+1)提示
困难
2.5K
相关企业
给你一个整数数组 nums，有一个大小为 k 的滑动窗口从数组的最左侧移动到数组的最右侧。你只可以看到在滑动窗口内的 k 个数字。滑动窗口每次只向右移动一位。
返回 滑动窗口中的最大值 。
示例 1：
输入：nums = [1,3,-1,-3,5,3,6,7], k = 3 输出：[3,3,5,5,6,7] 解释： 滑动窗口的位置 最大值 --------------- ----- [1 3 -1] -3 5 3 6 7 3 1 [3 -1 -3] 5 3 6 7 3 1 3 [-1 -3 5] 3 6 7 5 1 3 -1 [-3 5 3] 6 7 5 1 3 -1 -3 [5 3 6] 7 6 1 3 -1 -3 5 [3 6 7] 7
示例 2：
输入：nums = [1], k = 1 输出：[1]
1.总体思路：堆+滑动窗口
（1）如何找到滑动窗口中的最大值：使用堆来对滑动窗口进行排序，堆顶元素就是滑动窗口中的最大值。
（2）如何进行滑动：将每个元素的值与及其index一起保存到堆中，循环遍历时i从k到len(nums)，循环判断堆顶元素的index是否<=i-k（因为在不断地往堆里面加值，如果只删除最大的值，可能会有次大的值已经不在窗口里了，所以需要循环删除），如果小于等于，则说明堆顶元素已经不是当前滑动窗口中的最大值，那么就将堆顶元素pop掉，再将第i个值加入到堆中，从而实现滑动窗口的移动。
2.详细思路
（1）初始化窗口：将前k个元素加到列表中，再使用heapq.heapify()操作将列表调整为小根堆。由于python默认建立的是小根堆，所以需要将nums变为相应的负数与其index一起存到列表中，这样子q[0][0]就是前k个元素中的最大值,而q[0][1]就是最大值在数组中的index。
q=[(-nums[i],i) for i in range(k)]
heapq.heapify(q)
ans=[-q[0][0]]（2）滑动窗口：使用heapq.heappush把(-num[i],i)按堆的形式存放到列表中。由于我们需要判断当前堆顶值的index是否还在滑动窗口中，所以i应该从k到len（nums）进行遍历，这样子就可以根据index是否<=i-k来判断对堆顶值是否是滑动窗口的最大值。
for i in range(k,len(nums)):
heapq.heappush(q,(-nums[i],i))
while q[0][1]<=i-k:
heapq.heappop(q)#注意这里的pop操作，是pop(q)而不是pop(q[0][0])
ans.append(-q[0][0])
return ans提示
困难
2.7K
相关企业
给你一个字符串 s 、一个字符串 t 。返回 s 中涵盖 t 所有字符的最小子串。如果 s 中不存在涵盖 t 所有字符的子串，则返回空字符串 "" 。
注意：
- 对于
t中重复字符，我们寻找的子字符串中该字符数量必须不少于t中该字符数量。 - 如果
s中存在这样的子串，我们保证它是唯一的答案。
示例 1：
输入：s = "ADOBECODEBANC", t = "ABC" 输出："BANC" 解释：最小覆盖子串 "BANC" 包含来自字符串 t 的 'A'、'B' 和 'C'。
示例 2：
输入：s = "a", t = "a" 输出："a" 解释：整个字符串 s 是最小覆盖子串。
示例 3:
输入: s = "a", t = "aa" 输出: "" 解释: t 中两个字符 'a' 均应包含在 s 的子串中， 因此没有符合条件的子字符串，返回空字符串。
1.总体思想：可变滑动窗口
（1）如何找到s中存在t：使用一个哈希表need保存t中对应字母出现的频率，再使用一个变量neednum保存t中有几种字母。
（2）如何进行滑动：设定一个左指针i和一个右指针j，j先向右扩大窗口，直到包含整个t中的元素（neednum==0）,再将i向右移动，直到滑动窗口中的某种元素出现的频次小于t中相应字母出现的频次。
（3）在循环遍历时，need[i]>0表示滑动窗口中来需要元素i的个数。need[i]==0，表示滑动窗口已经包括足够的元素i,need[i]<0表示多出的元素i的个数
2.详细思路：
（1）判断特解
if len(s)<len(t):
return ""
if s==t:
return s（2）初始化need,并统计种类数neednum
i=0
need={}
neednum=0
for i in range(len(t)):
if t[i] not in need:
need[t[i]]=0
neednum+=1
need[t[i]]+=1（3）使用j遍历s，将窗口扩大。如果碰到的元素s[j]在need中，那么need[s[j]]-=1，当need[s[j]]==0时（滑动窗口中已经包含了与t中相同次数的种类为s[j]的字母），才将neednum-=1。当滑动窗口中包含整个t时，也就是neednum=0时(while neednum==0)，对i进行移动，使窗口缩小。碰到元素s[i]在t中时，need[s[i]]+=1，直到need[s[i]]>0时（滑动窗口此时种类为s[i]的字母的次数小于t），此时需要neenum+=1。
minlen=len(s)
i=0
ans=""
for j in range(len(s)):
if s[j] in t:
need[s[j]]-=1
if need[s[j]]==0:
neednum-=1
while neednum==0:
if j-i+1<=minlen:
minlen=j-i+1
ans=s[i:j+1]
if s[i] in t:
need[s[i]]+=1
if need[s[i]]>0:
neednum+=1
i+=1
return ans
扫一扫
732
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
