python 滑动窗口模板

该代码实现了一个Python函数findSubArray,使用双指针法寻找数组中满足特定条件的最大子数组长度。在遍历过程中,不断调整左右指针以找到符合条件的子数组,并更新最大长度。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

def findSubArray(nums):
    N = len(nums) # 数组/字符串长度
    left, right = 0, 0 # 双指针,表示当前遍历的区间[left, right],闭区间
    sums = 0 # 用于统计 子数组/子区间 是否有效,根据题目可能会改成求和/计数
    res = 0 # 保存最大的满足题目要求的 子数组/子串 长度
    while right < N: # 当右边的指针没有搜索到 数组/字符串 的结尾
        sums += nums[right] # 增加当前右边指针的数字/字符的求和/计数
        while 区间[left, right]不符合题意: # 此时需要一直移动左指针,直至找到一个符合题意的区间
            sums -= nums[left] # 移动左指针前需要从counter中减少left位置字符的求和/计数
            left += 1 # 真正的移动左指针,注意不能跟上面一行代码写反
        # 到 while 结束时,我们找到了一个符合题意要求的 子数组/子串
        res = max(res, right - left + 1) # 需要更新结果
        right += 1 # 移动右指针,去探索新的区间
    return res

### 滑动窗口算法模板与示例代码 滑动窗口是一种高效的算法技术,主要用于解决数组或字符串中的子序列问题。它的核心思想是通过维护一个动态调整大小的窗口来遍历整个数据结构,从而避免不必要的重复计算[^2]。 以下是基于引用内容总结的一个通用滑动窗口算法模板: #### Python 实现的滑动窗口通用模板 ```python def sliding_window_template(s: str, condition_func): left = 0 result = 0 # 结果变量,根据具体问题初始化 window_state = {} # 窗口状态,存储当前窗口内的信息 for right in range(len(s)): # 更新窗口右侧的信息 char_right = s[right] window_state[char_right] = window_state.get(char_right, 0) + 1 # 判断是否需要收缩窗口 while not condition_func(window_state): # 条件函数决定何时缩小窗口 char_left = s[left] window_state[char_left] -= 1 if window_state[char_left] == 0: del window_state[char_left] left += 1 # 收缩左侧边界 # 更新结果 result = max(result, right - left + 1) # 或者其他逻辑更新方式 return result ``` 此模板的核心在于两个指针 `left` 和 `right` 动态控制窗口范围,并通过条件函数 `condition_func` 决定何时移动左指针以优化性能[^3]。 --- #### 示例代码:寻找最小覆盖子数组 以下是一个具体的例子——给定目标值 `target` 和整数数组 `nums`,返回满足其和 ≥ `target` 的最短连续子数组的长度。 ```python class Solution: def minSubArrayLen(self, target: int, nums: list[int]) -> int: left = 0 total_sum = 0 min_length = float('inf') # 初始化为正无穷大 for right in range(len(nums)): total_sum += nums[right] # 扩展右边界 # 当总和达到或超过目标时尝试收缩窗口 while total_sum >= target: current_len = right - left + 1 min_length = min(min_length, current_len) # 更新最小子数组长度 total_sum -= nums[left] # 缩减左边界 left += 1 return 0 if min_length == float('inf') else min_length ``` 上述代码实现了滑动窗口的思想,在每次扩展右边界后检查是否满足条件并适时缩减左边界,最终得到最优解[^4]。 --- #### 示例代码:求无重复字符的最长子串 另一个经典问题是找到输入字符串中不含重复字符的最长子串长度。 ```python def lengthOfLongestSubstring(s: str) -> int: char_index_map = {} left = 0 max_length = 0 for right in range(len(s)): if s[right] in char_index_map and char_index_map[s[right]] >= left: left = char_index_map[s[right]] + 1 # 移动左指针到重复字符之后的位置 char_index_map[s[right]] = right # 记录字符最新位置 max_length = max(max_length, right - left + 1) return max_length ``` 这段代码利用哈希表记录每个字符最近一次出现的位置,当发现重复字符时及时调整窗口起点,确保窗口内始终不存在重复项[^5]。 --- ### 性能分析 滑动窗口的时间复杂度通常是线性的 \(O(N)\),因为每个元素最多只会被访问两次(进入窗口和离开窗口各一次)。相比暴力法 \(O(N^2)\),这种方法显著提高了效率。 ---
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
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