初学python记录:力扣1793. 好子数组的最大分数

题目:

给你一个整数数组 nums (下标从 0 开始)和一个整数 k 。

一个子数组 (i, j) 的 分数 定义为 min(nums[i], nums[i+1], ..., nums[j]) * (j - i + 1) 。一个  子数组的两个端点下标需要满足 i <= k <= j 。

请你返回子数组的最大可能分数 。

思考:

1. 最直接的解法依然是遍历,分别用i和j指向数组头和尾,计算每一个子数组的分数并与上一个分数比较,若更大则代替。代码如下:

class Solution(object):
    def maximumScore(self, nums, k):
        """
        :type nums: List[int]
        :type k: int
        :rtype: int
        """
        n = len(nums)
        i = 0
        j = n-1
        score = 0
        while(i <= k <= j):
            for i in range(0, k+1):
                new_score = min([nums[x] for x in range(i, j+1)]) * (j-i+1)
                if new_score > score:
                    score = new_score
            j -= 1
        
        return score

显而易见的超时了T_T:

可以看到上述解法是两个循环嵌套,时间复杂度为O(n²)。

2. 既然子数组必须包含nums[k],那么我们以 nums[k]为中心,向左/右逐个增加元素扩充子数组,每增加一个元素就判断一次分数是否变大。

由分数的计算公式可知,我们要尽可能:1.使子数组中包含大的数;2.使子数组的元素尽可能多。

那么我们在每次扩充子数组时,选择相邻元素中更大的数加入子数组。直到子数组扩展至与原数组相同为止,结束循环。

代码如下,时间复杂度为O(n):

class Solution(object):
    def maximumScore(self, nums, k):
        """
        :type nums: List[int]
        :type k: int
        :rtype: int
        """
        n = len(nums)
        i = k-1
        j = k+1
        # 从k的位置向左右扩充子数组
        score = 0
        x = nums[k]
        # x代表当前子数组中最小值
        while True:
            # 若左/右数大于等于x,则直接加入子数组,因为其值对分数没有影响
            while(i >= 0 and nums[i] >= x):
                i -= 1
            while(j <= n-1 and nums[j] >= x):
                j += 1
            # 每次循环更新最大分数
            # 由于此处的i比题意中i小1,j比题意中大1,所以公式不是min*(j-i+1),而是min*(j-i-1)
            score = max(score, x*(j-i-1))
            # 目前左右数都小于x或没有数
            # 若左右都没有数则退出循环,否则选相对更大的数加入子数组
            x = max((-1 if i == -1 else nums[i]), (-1 if j == n else nums[j]))
            if x == -1:
                break

        return score

         

运行通过:

 

### 解题思路 LeetCode 2090 题目要求计算一个数组中每个元素的半径为 `k` 的子数组的平均值。如果某个元素的位置 `i` 满足其左右各有 `k` 个元素,即从 `i-k` 到 `i+k` 的子数组存在,则计算该子数组的平均值;否则结果为 `-1`。 为了高效地解决这个问题,可以使用 **滑动窗口** 技术。通过维护一个滑动窗口的和,可以在 `O(n)` 时间复杂度内完成计算。 #### 关键点 - 初始化窗口的大小为 `2*k + 1`,如果数组长度小于这个值,则某些位置无法形成完整的子数组。 - 首先计算初始窗口的总和,然后逐个移动窗口,并更新总和(减去退出窗口的元素,加上进入窗口的元素)。 - 对于无法形成完整窗口的位置,直接标记为 `-1`。 --- ### C++ 实现代码 ```cpp #include <vector> using namespace std; class Solution { public: vector<int> getAverages(vector<int>& nums, int k) { long long n = nums.size(); long long windowSize = 2 * k + 1; vector<int> avg(n, -1); if (windowSize > n) return avg; // 如果窗口比数组还大,全部返回-1 long long sum = 0; for (int i = 0; i < windowSize; ++i) { sum += nums[i]; } avg[k] = sum / windowSize; // 第一个窗口的平均值 for (int i = windowSize; i < n; ++i) { sum += nums[i] - nums[i - windowSize]; // 滑动窗口更新 avg[i - k] = sum / windowSize; // 计算当前窗口的平均值 } return avg; } }; ``` --- ### 示例说明 假设输入如下: ```cpp vector<int> nums = {1, 2, 3, 4, 5, 6, 7, 8, 9}; int k = 3; ``` 输出将是: ```cpp {-1, -1, -1, 4, 5, 6, -1, -1, -1} ``` 其中只有中间部分能够形成完整的窗口,其他位置由于缺少足够的元素而返回 `-1`。 --- ### 复杂度分析 - **时间复杂度**:`O(n)`,其中 `n` 是数组的长度。整个算法只遍历数组一次。 - **空间复杂度**:`O(n)`,用于存储最终的结果数组。 --- ### 性能优化建议 - 使用 `long long` 类型确保累加过程中不会溢出。 - 提前处理窗口大小大于数组长度的情况,避免无效计算。 ---
评论 1
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
红包 添加红包
表情包 插入表情
 条评论被折叠 查看
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
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