Leetcode 209. 长度最小的子数组 Minimum Size Subarray Sum - 滑动窗口(双指针法)- Python

本篇文章为笔者的LeetCode刷题笔记。文章整体分为两部分：

1.笔者自己思考的算法及代码。

2.LeetCode官方给出的最优算法及代码。通过对比这两部分算法和代码的异同，笔者的算法思想和编程水平有了显著地提升。如果这篇文章能帮到你那真是再好不过了！

一、笔者思考的算法

A.算法
滑动窗口算法的核心思想在于：

满足条件，右边框右移，记录下最优解；不满足条件，左边框右移；如此反复。

当得到最优解时左边框右移后，重新计算滑动窗口内之和，查看是否为更优解

此题的条件即为滑动窗口之内的子数组之和是否>=target

class Solution(object):
    def minSubArrayLen(self, target, nums):
        """
        :type target: int
        :type nums: List[int]
        :rtype: int
        """
        left = right = sum = 0
        result = float('inf')    #将result初始化无穷大
        
        while right<len(nums):        #遍历整个数组
            sum += nums[right]        #求当前滑动窗口内子数组之和
            while sum >= target:        #是否满足特定条件
                subLength = right-left+1
                result = result if result < subLength else subLength
                sum = sum - nums[left]    #重新计算新子数组有无更优解
                left +=1           
            right +=1
        return 0 if result==float('inf') else result

B.复杂度分析

时间复杂度：O(N) 观察每个数组元素被操作的次数，进入滑动窗口被操作一次，踢出滑动窗口再被操作一次。一共是2*N次。

空间复杂度: O(1) 没用到额外空间。

二.官方算法

官方算法与我的算法几乎一致

三.笔者小结

1.此题关键点在于，确定滑动窗口左右边界移动的条件。

2.如果一直没有满足条件，则right指针会右移直到数组最后一个元素。这表明当前的滑动窗口内没有符合条件的答案。（8个正整数想加都不等于7，7个正整数相加就等于7了？？？）