每天刷两道题——第十一天

1.1滑动窗口最大值

给你一个整数数组 nums,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。

python 复制代码
import heapq
q=heapq.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

python 复制代码
    def maxSlidingWindow(self,nums,k):
        n=len(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 res

1.2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

python 复制代码
for i,item in enumerate([2,3,4]):
	print(i,item)
0 2
1 3
2 4

for i,item in enumerate([2,3,4],start=10):
	print(i,item)
10 2
11 3
12 4

代码

python 复制代码
    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t
        for j, c in enumerate(s):
            if need[c] > 0:
                needCnt -= 1
            need[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i
            if 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(need>0)
                        break
                    else:
                        need[c] += 1
                        i += 1
                if 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]] += 1
                needCnt += 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+1
                i += 1
        return "" 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

相关推荐
MessiGo16 分钟前
Python 爬虫 (1)基础 | 基础操作
开发语言·python
肥猪猪爸40 分钟前
使用卡尔曼滤波器估计pybullet中的机器人位置
数据结构·人工智能·python·算法·机器人·卡尔曼滤波·pybullet
LZXCyrus1 小时前
【杂记】vLLM如何指定GPU单卡/多卡离线推理
人工智能·经验分享·python·深度学习·语言模型·llm·vllm
Enougme1 小时前
Appium常用的使用方法(一)
python·appium
懷淰メ1 小时前
PyQt飞机大战游戏(附下载地址)
开发语言·python·qt·游戏·pyqt·游戏开发·pyqt5
hummhumm2 小时前
第 22 章 - Go语言 测试与基准测试
java·大数据·开发语言·前端·python·golang·log4j
hummhumm2 小时前
第 28 章 - Go语言 Web 开发入门
java·开发语言·前端·python·sql·golang·前端框架
每天吃饭的羊2 小时前
python里的数据结构
开发语言·python
卡卡_R-Python2 小时前
UCI Heart Disease Data Set—— UCI 心脏病数据集介绍
python·plotly·django·virtualenv·pygame
饮长安千年月2 小时前
浅谈就如何解出Reverse-迷宫题之老鼠走迷宫的一些思考
python·网络安全·逆向·ctf