【算法思考记录】力扣2958. 最多 K 个重复元素的最长子数组【Python，滑动窗口，数组，哈希表】

原题链接

---

探索「2958. 最多 K 个重复元素的最长子数组」的解决之道

题目概述

在算法世界中，「2958. 最多 K 个重复元素的最长子数组」问题是一个中等难度的问题，其核心在于寻找一个数组中所有元素的频率都不超过 k 的最长子数组。具体来说，就是在给定的整数数组 nums 和一个整数 k 的条件下，找到一个连续的子数组，使得该子数组中每个元素的出现次数都不超过 k。

解题思路

对于这类寻找满足特定条件的最长连续子数组的问题，滑动窗口算法是一个非常高效的解决方案。滑动窗口算法通过维护一个窗口，动态调整窗口的大小，以达到探索可能解的目的。

算法流程

1. 初始化两个指针 left 和 right，分别代表滑动窗口的左右边界。
2. 使用一个哈希表 cnt 来记录窗口内每个元素的出现次数。
3. 遍历数组，逐步扩大窗口的右边界 right。
4. 每次移动右边界时，更新当前元素的频率，并检查是否满足条件（即任何元素的频率都不超过 k）。
5. 如果某个元素的频率超过 k，那么移动左边界 left，直到窗口再次满足条件。
6. 在每一步中，记录并更新最长的满足条件的子数组长度。

Python 实现

from collections import defaultdict

class Solution:
    def maxSubarrayLength(self, nums: List[int], k: int) -> int:
        left, right = 0, 0
        cnt = defaultdict(int)
        n = len(nums)
        ans = 0
        while right < n:
            right_num = nums[right]
            cnt[right_num] += 1
            while cnt[right_num] > k:
                left_num = nums[left]
                cnt[left_num] -= 1
                left += 1
            ans = max(ans, right - left + 1)
            right += 1

        return ans

关键点解析

• 滑动窗口的精髓：通过动态调整窗口的大小，我们能够在 O(n) 的时间复杂度内遍历整个数组，寻找到最长的满足条件的子数组。
• 哈希表的使用：cnt 哈希表的使用是为了快速统计窗口内各元素的频率，从而判断当前窗口是否满足“好子数组”的条件。
• 窗口的平衡：当窗口内某个元素的频率超过 k 时，通过移动左边界来减少该元素的频率，直至窗口重新满足条件。

结语

本文提供的解决方案，是针对「2958. 最多 K 个重复元素的最长子数组」问题的一种高效且简洁的策略。滑动窗口算法不仅仅适用于这个问题，它在许多涉及连续子数组的问题中都是一个强大的工具。希望这篇文章能够帮助你更好地理解和掌握滑动窗口算法。