算法----股票价格跨度

题目

设计一个算法收集某些股票的每日报价,并返回该股票当日价格的 跨度 。

当日股票价格的 跨度 被定义为股票价格小于或等于今天价格的最大连续日数(从今天开始往回数,包括今天)。

例如,如果未来 7 天股票的价格是 [100,80,60,70,60,75,85],那么股票跨度将是 [1,1,1,2,1,4,6] 。

实现 StockSpanner 类:

StockSpanner() 初始化类对象。

int next(int price) 给出今天的股价 price ,返回该股票当日价格的 跨度 。

示例:

输入:

"StockSpanner", "next", "next", "next", "next", "next", "next", "next"

\[\], \[100\], \[80\], \[60\], \[70\], \[60\], \[75\], \[85\]

输出:

null, 1, 1, 1, 2, 1, 4, 6

解释:

StockSpanner stockSpanner = new StockSpanner();

stockSpanner.next(100); // 返回 1

stockSpanner.next(80); // 返回 1

stockSpanner.next(60); // 返回 1

stockSpanner.next(70); // 返回 2

stockSpanner.next(60); // 返回 1

stockSpanner.next(75); // 返回 4 ,因为截至今天的最后 4 个股价 (包括今天的股价 75) 都小于或等于今天的股价。

stockSpanner.next(85); // 返回 6

提示:

1 <= price <= 105

最多调用 next 方法 104 次

解决思路

利用单调栈

我们把当前的数值和索引作为一对放入栈中

当我们遇到一个元素之后,

先把栈里面小于这个数的所有元素出栈

并且计算这两个之间的差值即可

解决方法

kotlin 复制代码
    class StockSpanner() {
        var stack = LinkedList<Pair<Int, Int>>()
        private var curIndex = 0

        init {
            stack.push(Pair(0, Int.MAX_VALUE))
        }

        fun next(price: Int): Int {
            curIndex++
            while (price >= stack.peek().second) {
                stack.pop()
            }
            val result = curIndex - stack.peek().first
            stack.push(Pair(curIndex, price))
            return result
        }
    }

总结

  1. 数组真是个好东西啊 可以存放很多东西到一组
  2. 这道题我看了一遍题解,但是写的时候还是遇到了一点问题,
    归根结底是因为没有完全理解题解。
    3.找工作真难啊 尤其是现在 没有什么需求 已经不是百花齐放的移动互联网时代了
相关推荐
Fly Wine7 小时前
Leetcode之有效字母异位词
算法·leetcode·职场和发展
程序员夏末8 小时前
【LeetCode | 第七篇】算法笔记
笔记·算法·leetcode
csdn_aspnet9 小时前
C/C++ 两个凸多边形之间的切线(Tangents between two Convex Polygons)
c语言·c++·算法
数据皮皮侠9 小时前
中国城市间地理距离矩阵(2024)
大数据·数据库·人工智能·算法·制造
3GPP仿真实验室9 小时前
深度解析基站接收机核心算法:从 MRC 到 IRC 的空间滤波演进
算法
Boop_wu9 小时前
[Java 算法] 动态规划(1)
算法·动态规划
WolfGang0073219 小时前
代码随想录算法训练营 Day18 | 二叉树 part08
算法
hanlin0310 小时前
刷题笔记:力扣第43、67题(字符串计算)
笔记·算法·leetcode
yang_B62110 小时前
最小二乘法 拟合平面
算法·平面·最小二乘法
放下华子我只抽RuiKe510 小时前
深度学习全景指南:硬核实战版
人工智能·深度学习·神经网络·算法·机器学习·自然语言处理·数据挖掘