每日力扣刷题day07(滑动窗口专项)

2024.5.28(3题)

643. 子数组最大平均数 I

题目链接

给你一个由 n 个元素组成的整数数组 nums 和一个整数 k

请你找出平均数最大且 长度为 k 的连续子数组,并输出该最大平均数。

任何误差小于 10-5 的答案都将被视为正确答案。

示例 1:

输入:nums = [1,12,-5,-6,50,3], k = 4
输出:12.75
解释:最大平均数 (12-5-6+50)/4 = 51/4 = 12.75

示例 2:

输入:nums = [5], k = 1
输出:5.00000

提示:

  • n == nums.length
  • 1 <= k <= n <= 105
  • -104 <= nums[i] <= 104
解题思路
  1. 初始化窗口:首先计算数组 nums 的前 k 个元素的和,作为初始窗口的和。
  2. 滑动窗口:从数组的第 k 个元素开始,滑动窗口,每次移动一个位置,更新窗口的和,并记录最大的和。
  3. 计算平均值:使用最大的和除以 k,得到最大平均数。
Java代码实现
class Solution {
    public double findMaxAverage(int[] nums, int k) {
        if (nums.length < k) {
            return 0.0;
        }
        int sum = 0;
        for (int i = 0; i < k; i++) {
            sum += nums[i];
        }
        int maxSum = sum;
        for (int i = k; i < nums.length; i++) {
            sum += nums[i] - nums[i - k];
            if (sum > maxSum) {
                maxSum = sum;
            }
        }
        return (double)maxSum/k;
    }
}
详细解释
  1. 初始化窗口

    • 计算数组 nums 的前 k 个元素的和,作为初始窗口的和。
  2. 滑动窗口

    • 从第 k 个元素开始,滑动窗口,每次移动一个位置,更新窗口的和,并记录最大的和。
  3. 计算平均值

    • 使用最大的和除以 k,得到最大平均数。
    • 记得类型转换成double类型,或者定义的时候就用double定义
  • 时间复杂度:O(n),其中 n 是数组 nums 的长度。我们只需遍历数组一次。
  • 空间复杂度:O(1),因为我们只使用了常数级别的额外空间。

1343. 大小为 K 且平均值大于等于阈值的子数组数目

题目链接

给你一个整数数组 arr 和两个整数 kthreshold

请你返回长度为 k 且平均值大于等于 threshold 的子数组数目。

示例 1:

输入:arr = [2,2,2,2,5,5,5,8], k = 3, threshold = 4
输出:3
解释:子数组 [2,5,5],[5,5,5] 和 [5,5,8] 的平均值分别为 4,5 和 6 。其他长度为 3 的子数组的平均值都小于 4 (threshold 的值)。

示例 2:

输入:arr = [11,13,17,23,29,31,7,5,2,3], k = 3, threshold = 5
输出:6
解释:前 6 个长度为 3 的子数组平均值都大于 5 。注意平均值不是整数。

提示:

  • 1 <= arr.length <= 105
  • 1 <= arr[i] <= 104
  • 1 <= k <= arr.length
  • 0 <= threshold <= 104
解题思路
  1. 初始化窗口:首先计算数组 arr 的前 k 个元素的和。
  2. 滑动窗口:从数组的第 k 个元素开始,滑动窗口,每次移动一个位置,更新窗口的和,并检查当前窗口的和是否大于等于 threshold*k,满足条件的子数组计数加一。
  3. 返回结果:返回满足条件的子数组的数量。
java代码实现
class Solution {
    public int numOfSubarrays(int[] arr, int k, int threshold) {
        int n = arr.length;
        int thresholdSum = k * threshold; // 避免浮点运算

        int sum = 0;
        for (int i = 0; i < k; i++) {
            sum += arr[i];
        }

        int count = 0;
        if (sum >= thresholdSum) {
            count++;
        }

        for (int i = k; i < n; i++) {
            sum += arr[i] - arr[i - k];
            if (sum >= thresholdSum) {
                count++;
            }
        }

        return count;
    }
}
详细解释
  1. 初始化和转换阈值

    • 我们将 threshold 转换为总和形式 thresholdSum,这样可以避免浮点运算,提高计算精度和效率。
  2. 计算初始窗口的和

    • 初始窗口包含数组 arr 的前 k 个元素,我们通过一个简单的循环来计算这部分元素的和。
  3. 初始化计数器

    • 我们检查初始窗口的和是否大于等于 thresholdSum,如果是,则计数器 count 加一。
  4. 滑动窗口遍历数组

    • 我们从第 k 个元素开始,使用滑动窗口技术遍历数组。在每次迭代中,我们更新当前窗口的和,方法是加上新元素,减去窗口最左侧的元素。
  5. 返回结果

    • 最终返回计数器 count 的值,表示满足条件的子数组数量。
  • 时间复杂度:O(n),因为我们只遍历数组一次。
  • 空间复杂度:O(1),因为只使用了常量空间来存储变量。

2090. 半径为 k 的子数组平均值

题目链接

给你一个下标从 0 开始的数组 nums ,数组中有 n 个整数,另给你一个整数 k

半径为 k 的子数组平均值 是指:nums 中一个以下标 i中心半径k 的子数组中所有元素的平均值,即下标在 i - ki + k 范围( i - ki + k)内所有元素的平均值。如果在下标 i 前或后不足 k 个元素,那么 半径为 k 的子数组平均值-1

构建并返回一个长度为 n 的数组 avgs ,其中 avgs[i] 是以下标 i 为中心的子数组的 半径为 k 的子数组平均值

x 个元素的 平均值x 个元素相加之和除以 x ,此时使用截断式 整数除法 ,即需要去掉结果的小数部分。

  • 例如,四个元素 2315 的平均值是 (2 + 3 + 1 + 5) / 4 = 11 / 4 = 2.75,截断后得到 2

示例 1:

img

输入:nums = [7,4,3,9,1,8,5,2,6], k = 3
输出:[-1,-1,-1,5,4,4,-1,-1,-1]
解释:
- avg[0]、avg[1] 和 avg[2] 是 -1 ,因为在这几个下标前的元素数量都不足 k 个。
- 中心为下标 3 且半径为 3 的子数组的元素总和是:7 + 4 + 3 + 9 + 1 + 8 + 5 = 37 。
  使用截断式 整数除法,avg[3] = 37 / 7 = 5 。
- 中心为下标 4 的子数组,avg[4] = (4 + 3 + 9 + 1 + 8 + 5 + 2) / 7 = 4 。
- 中心为下标 5 的子数组,avg[5] = (3 + 9 + 1 + 8 + 5 + 2 + 6) / 7 = 4 。
- avg[6]、avg[7] 和 avg[8] 是 -1 ,因为在这几个下标后的元素数量都不足 k 个。

示例 2:

输入:nums = [100000], k = 0
输出:[100000]
解释:
- 中心为下标 0 且半径 0 的子数组的元素总和是:100000 。
  avg[0] = 100000 / 1 = 100000 。

示例 3:

输入:nums = [8], k = 100000
输出:[-1]
解释:
- avg[0] 是 -1 ,因为在下标 0 前后的元素数量均不足 k 。

提示:

  • n == nums.length
  • 1 <= n <= 105
  • 0 <= nums[i], k <= 105
解题思路

需要找到数组中每个元素为中心的半径为 k 的子数组平均值。如果某个位置前后不足 k 个元素,则返回 -1

java代码实现
class Solution {
    public int[] getAverages(int[] nums, int k) {
        int n = nums.length;
        int[] avgs = new int[n];
        long windowSum = 0;
        int windowSize = 2 * k + 1;

        // 初始化所有元素为 -1
        Arrays.fill(avgs, -1);

        // 如果窗口大小大于数组长度,直接返回初始化后的数组
        if (windowSize > n) {
            return avgs;
        }

        // 初始化滑动窗口的和
        for (int i = 0; i < windowSize; i++) {
            windowSum += nums[i];
        }

        // 第一个有效的窗口平均值
        avgs[k] = (int) (windowSum / windowSize);

        // 滑动窗口遍历数组,更新每个中心位置的平均值
        for (int i = k + 1; i < n - k; i++) {
            windowSum = windowSum - nums[i - k - 1] + nums[i + k];
            avgs[i] = (int) (windowSum / windowSize);
        }

        return avgs;
    }
}
详细解释
  1. 初始化和边界检查

    • 创建一个长度为 n 的数组 avgs 并初始化所有元素为 -1
    • 计算滑动窗口的大小 windowSize2 * k + 1
    • 如果 windowSize 大于数组长度 n,直接返回初始化后的数组 avgs,因为不存在有效的窗口。
  2. 初始化滑动窗口的和

    • 计算前 windowSize 个元素的和 windowSum
  3. 计算第一个有效窗口的平均值

    • 设置第 k 个元素的平均值。
  4. 滑动窗口遍历数组

    • 从第 k + 1 个元素开始,滑动窗口遍历数组。
    • 每次移动窗口时,更新 windowSum,减去窗口最左侧的元素,加上窗口最右侧的新元素。
    • 更新当前中心位置的平均值。
  5. 返回结果

    • 返回最终计算的平均值数组 avgs
  • 16
    点赞
  • 19
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 1
    评论
好的,关于力扣刷题C++常用操作,我可以给你一些常见的操作和技巧: 1. 使用 STL 容器和算法库:STL(Standard Template Library)是 C++ 标准库中的一个重要组成部分,包含了许多常用的容器和算法。在力扣刷题中,使用 STL 可以大大提高代码的效率和可读性。例如,vector 可以用来存储动态数组,sort 可以用来排序等等。 2. 使用 auto 关键字:auto 关键字可以自动推导变量类型,可以减少代码量和提高可读性。例如,auto x = 1; 可以自动推导出 x 的类型为 int。 3. 使用 lambda 表达式:lambda 表达式是 C++11 中引入的一种匿名函数,可以方便地定义一些简单的函数对象。在力扣刷题中,使用 lambda 表达式可以简化代码,例如在 sort 函数中自定义比较函数。 4. 使用位运算:位运算是一种高效的运算方式,在力扣刷题中经常会用到。例如,左移运算符 << 可以用来计算 2 的幂次方,右移运算符 >> 可以用来除以 2 等等。 5. 使用递归:递归是一种常见的算法思想,在力扣刷题中也经常会用到。例如,二叉树的遍历、链表的反转等等。 6. 使用 STL 中的 priority_queue:priority_queue 是 STL 中的一个容器,可以用来实现堆。在力扣刷题中,使用 priority_queue 可以方便地实现一些需要维护最大值或最小值的算法。 7. 使用 STL 中的 unordered_map:unordered_map 是 STL 中的一个容器,可以用来实现哈希表。在力扣刷题中,使用 unordered_map 可以方便地实现一些需要快速查找和插入的算法。 8. 使用 STL 中的 string:string 是 STL 中的一个容器,可以用来存储字符串。在力扣刷题中,使用 string 可以方便地处理字符串相关的问题。 9. 注意边界条件:在力扣刷题中,边界条件往往是解决问题的关键。需要仔细分析题目,考虑各种边界情况,避免出现错误。 10. 注意时间复杂度:在力扣刷题中,时间复杂度往往是评判代码优劣的重要指标。需要仔细分析算法的时间复杂度,并尽可能优化代码。

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论 1
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

打赏作者

全栈ing小甘

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

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