LeetCode-Python-239. 滑动窗口最大值

648 篇文章 23 订阅

给定一个数组 nums,有一个大小为 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 k 内的数字。滑动窗口每次只向右移动一位。

返回滑动窗口最大值。

示例:

输入: nums = [1,3,-1,-3,5,3,6,7], 和 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

注意:

你可以假设 总是有效的,1 ≤ k ≤ 输入数组的大小,且输入数组不为空。

进阶:

你能在线性时间复杂度内解决此题吗?

 

第一种思路:

暴力求解。

每次把window数组找出来然后暴力求最大值。

class Solution(object):
    def maxSlidingWindow(self, nums, k):
        """
        :type nums: List[int]
        :type k: int
        :rtype: List[int]
        """

        if not nums:
            return []

        temp,res = list(), list()
        for index in range(len(nums) - k + 1):
            temp = nums[index: index + k]
            max_val = max(temp)
            
            res.append(max_val)
        
        return res
            

下面的写于2019年8月16日21:24:12

class Solution(object):
    def maxSlidingWindow(self, nums, k):
        """
        :type nums: List[int]
        :type k: int
        :rtype: List[int]
        """
        if not nums:
            return []

        res = [0] * (len(nums) - k + 1)
        for i in range(len(nums) - k + 1):
            res[i] = max(nums[i:i + k])
        return res

 

第二种思路:

在第一种思路上小小的改进一下,每一次循环不需要重新算整个temp,而是把队头pop,然后把新的元素压入队尾。

会快100ms。

class Solution(object):
    def maxSlidingWindow(self, nums, k):
        """
        :type nums: List[int]
        :type k: int
        :rtype: List[int]
        """
        # i 从0 滑到 l - k  + 1
        if not nums:
            return []
        temp,res = list(), list()
        for index in range(len(nums) - k + 1):
            
            if index == 0:
                temp = nums[index: index + k]              
            else:
                temp.pop(0)
                temp.append(nums[index + k - 1])
                
            max_val = max(temp)            
            res.append(max_val)
        
        return res
            

 下面的写于2019年8月16日21:26:01

class Solution(object):
    def maxSlidingWindow(self, nums, k):
        """
        :type nums: List[int]
        :type k: int
        :rtype: List[int]
        """
        if not nums:
            return []

        res = [0] * (len(nums) - k + 1)
        tmp = nums[:k - 1]
        for i in range(len(nums) - k + 1):
            tmp.append(nums[i+k - 1])
            res[i] = max(tmp)
            tmp.pop(0)
        return res

第三种思路:

Sliding Window法。

维护window这个数组,使得在任意时刻,window【0】都是当前Window内最大值的下标。

并且window从左到右恰恰是第一大、第二大、。。。。。第K大的元素

维护过程为:

(Window代表窗口, window代表窗口的数组)

1. 如果window不为空,并且 window[0] 比 i - k 小 (这就说明window[0]在当前Window的左界的左侧,应该被踢出去), 把window【0】弄出去

2. 把从队尾倒着数的每个比item 大的元素都弄出去

3. 把item 弄进Window

4. 如果index 》 = k - 1, 就说明Window size 已经有k了,可以输出答案了。因为如果 index < k - 1, 说明Window size还没到k。

class Solution(object):
    def maxSlidingWindow(self, nums, k):
        """
        :type nums: List[int]
        :type k: int
        :rtype: List[int]
        """
        if not nums:
            return []
        
        window,res = list(), list()
        for index, item in enumerate(nums):
            # temp = nums[index: index + k]
            
            if window and window[0] <= index - k: #  window是存在的, 后面的条件保证window[0] 不在当前的window中,应该被滑出
                window.pop(0)
            
            while window and nums[window[-1]] <= item: # 这两行在维护这个window, 使得所有比item小的元素的下标都被弹出
                window.pop()
                
            window.append(index) # 把index 压进window
            
            if index >= k - 1:# 如果window的size已经达到了K, 就压入res, 如果index < k - 1,就代表当前window还不够长
                res.append(nums[window[0]])
        
        return res
            

下面的写于2019年8月16日21:33:02

class Solution(object):
    def maxSlidingWindow(self, nums, k):
        """
        :type nums: List[int]
        :type k: int
        :rtype: List[int]
        """
        if not nums:
            return []

        window = []
        res = []
        for i in range(len(nums)):
            if window and window[0] <= i - k: #当前window头应该被弹出
                window.pop(0)
                
            while window and nums[window[-1]] < nums[i]: #比 nums[i] 小的都不要,因为只要窗口的最大值
                window.pop()
                
            window.append(i) #当前数的下标 入队列
            if i >= k - 1: #已经可以得到一个长度为k的队列
                res.append(nums[window[0]])
        return res

 

  • 1
    点赞
  • 2
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
根据引用\[1\],可以使用暴力解法来求解滑动窗口最大值。具体的做法是,遍历数组,对于每个窗口,使用一个内部循环来找到窗口中的最大值,并将其存储在结果数组中。时间复杂度为O(n*k),其中n为数组长度,k为窗口大小。 根据引用\[2\],还可以使用队列来求解滑动窗口最大值。具体的做法是,使用一个双端队列来维护一个单调递减的窗口。遍历数组,对于每个元素,首先判断队头是否在滑动窗口范围内,如果不在,则将其从队头移除。然后,将当前元素与队尾元素比较,如果当前元素大于队尾元素,则将队尾元素移除,直到队列为空或者当前元素小于等于队尾元素。最后,将当前元素的索引插入队尾。如果滑动窗口的元素个数达到了k个,并且始终维持在窗口中,就将队头元素加入答案数组中。时间复杂度为O(n),其中n为数组长度。 综上所述,可以使用暴力解法或者使用队列来求解leetcode滑动窗口最大值。 #### 引用[.reference_title] - *1* *3* [leetcode239. 滑动窗口最大值](https://blog.csdn.net/kkkkuuga/article/details/124829581)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v91^koosearch_v1,239^v3^insert_chatgpt"}} ] [.reference_item] - *2* [Leetcode#239. 滑动窗口最大值 (Java解法)](https://blog.csdn.net/paranior/article/details/114890555)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v91^koosearch_v1,239^v3^insert_chatgpt"}} ] [.reference_item] [ .reference_list ]
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值