网站建设年度报告,注册google账号,宝安沙井天气,海淀网站建设怎么样1.1滑动窗口最大值
给你一个整数数组 nums#xff0c;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 。
输入#xff1a;nums [1,3,-1,-3,5,3,6,7], k 3 输出有一个大小为 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 。
输入nums [1,3,-1,-3,5,3,6,7], k 3 输出[3,3,5,5,6,7] 优先队列
优先队列具有队列的所有特性包括队列的基本操作只是在这基础上添加了内部的一个排序它本质是一个堆实现的。 在优先队列中元素被赋予优先级。当访问元素时具有最高优先级的元素最先删除。优先队列具有最高级先出他和队列不同的就在于我们可以自定义其中数据的优先级,让优先级高的排在队列前面,优先出队。
python的heapq堆
堆是一个二叉树有两种堆,最大堆与最小堆。 heapq库中的堆默认是最小堆。 1.最小堆树中各个父节点的值总是小于或等于任何一个子节点的值。 2.最大堆树中各个父节点的值总是大于或等于任何一个子节点的值。
import heapq
qheapq.heapify([3,6,4,1]) #将列表转化为堆
heapq.heappush(q,item) #往堆q里面添加元素item
heapq.heappop(q) #删除q中顶部元素
heapq.heapreplace(q,100) #删除顶部元素加入新值100
#比较77和q中顶部元素77如果大删除并返回第一个元素如果小返回77原堆不变
heapq.heappushpop(q,77)
heapq.nlargest(n,q/[3,6,4,1]) #返回堆中最大的前n个
heapq.nsmallest(n,q/[3,6,4,1]) #返回堆中最小的前n个代码 返回最大值所以优先级采用负数 def maxSlidingWindow(self,nums,k):nlen(nums)#heapq默认为小根堆我们要找最大值所以使用-nums[i]为优先级#-nums[i]为优先级 i为数据下标作为数据传入前k个数据q[(-nums[i],i) for i in range(k)] heapq.heapify(q) #将列表转化为堆res[-q[0][0]] #q[0](-3,-1) -q[0][0]3 第一个滑动窗口的最大值for i in range(k,n):heapq.heappush(q,(-nums[i],i)) #添加新元素#如果数据出现在滑动窗口的左侧将其从堆中删除while q[0][1]i-k: #i是滑动窗口的右侧i-k是滑动窗口的左侧heapq.heappop(q)res.append(-q[0][0]) #存储栈顶的元素return res1.2最小覆盖子串
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。
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’。
枚举
for i,item in enumerate([2,3,4]):print(i,item)
0 2
1 3
2 4for i,item in enumerate([2,3,4],start10):print(i,item)
10 2
11 3
12 4代码 def minWindow(self, s: str, t: str) - str:need collections.defaultdict(int)for c in t:need[c] 1 needCnt len(t)i 0 # 记录起始位置res (0, float(inf)) # 用两个元素方便之后记录起终点# 三步骤# 1. 增加右边界使滑窗包含tfor j, c in enumerate(s):if need[c] 0:needCnt - 1need[c] - 1 # 这行放在外面不可以看19行 need[c] 0# 2. 收缩左边界直到无法再去掉元素 !注意处理的是iif needCnt 0: #此时已经包含了t所需的所有元素while True:c s[i]if need[c] 0: # 表示再去掉就不行了(need0)breakelse:need[c] 1i 1if j - i res[1] - res[0]: # 这里是否减一都可以只要每次都是这样算的就行反正最后也是输出子串而非长度res (i, j)# 3. i多增加一个位置准备开始下一次循环(注意这步是在 needCnt 0里面进行的 )need[s[i]] 1needCnt 1 # 由于 移动前i这个位置 一定是所需的字母因此NeedCnt才需要1i 1return if res[1] len(s) else s[res[0]: res[1] 1]参考代码 参考博客 参考博客1 参考博客2
