电商网站建设需求分析引言,漳州专业做网站,阐述网络营销策略的内容,私人网站设计公司公司黄金挑战#xff1a;滑动窗口与堆结合
堆的大小一般是有限的#xff0c;能直接返回当前位置下的最大值或者最小值 该特征与滑动窗口结合#xff0c;可以解决一些特定场景的问题
1. 滑动窗口与堆问题的结合
LeetCode239 https://leetcode.cn/problems/sliding-window-maxi…黄金挑战滑动窗口与堆结合
堆的大小一般是有限的能直接返回当前位置下的最大值或者最小值 该特征与滑动窗口结合可以解决一些特定场景的问题
1. 滑动窗口与堆问题的结合
LeetCode239 https://leetcode.cn/problems/sliding-window-maximum/
思路分析
对于最大值K个最大这种场景优先队列堆是首先该考虑的思路。 大根堆可以帮我们实时维护一系列元素的最大值
具体执行
先将数组的前K个元素放入大根堆中此时最大值为堆顶元素每当窗口右移时将新元素放入大根堆中此时最大值可能不在滑动窗口中 最大值为滑动窗口的前一个元素此时需要将堆顶元素移除直到堆顶元素在滑动窗口中 最大值为滑动窗口中的元素此时最大值就是堆顶元素为了方便判断堆顶元素与滑动窗口的位置关系我们可以在有限队列中存储二元组(num, index)表示元素 num 在数组中的下标为 index
代码实现
import heapqclass Solution:def maxSlidingWindow(self, nums: List[int], k: int) - List[int]:n len(nums)ans []# 注意 Python 默认的优先队列是小根堆# pyhton 中int,int可正常比较大小 (1, 0) (2, 0), (1, 0) (1, 1)heap [(-nums[i], i) for i in range(k)]heapq.heapify(heap)ans.append(-heap[0][0])for i in range(n-k):heapq.heappush(heap, (-nums[ik], ik))# 移除堆顶元素直到堆顶元素在滑动窗口中while heap[0][1] i:heapq.heappop(heap)ans.append(-heap[0][0])return ans
