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
龙哥说跨境12 分钟前
如何利用指纹浏览器爬虫绕过Cloudflare的防护?
服务器·网络·python·网络爬虫
小白学大数据28 分钟前
正则表达式在Kotlin中的应用:提取图片链接
开发语言·python·selenium·正则表达式·kotlin
flashman91130 分钟前
python在word中插入图片
python·microsoft·自动化·word
菜鸟的人工智能之路33 分钟前
桑基图在医学数据分析中的更复杂应用示例
python·数据分析·健康医疗
懒大王爱吃狼2 小时前
Python教程:python枚举类定义和使用
开发语言·前端·javascript·python·python基础·python编程·python书籍
秃头佛爷3 小时前
Python学习大纲总结及注意事项
开发语言·python·学习
深度学习lover4 小时前
<项目代码>YOLOv8 苹果腐烂识别<目标检测>
人工智能·python·yolo·目标检测·计算机视觉·苹果腐烂识别
API快乐传递者5 小时前
淘宝反爬虫机制的主要手段有哪些?
爬虫·python
阡之尘埃7 小时前
Python数据分析案例61——信贷风控评分卡模型(A卡)(scorecardpy 全面解析)
人工智能·python·机器学习·数据分析·智能风控·信贷风控
丕羽10 小时前
【Pytorch】基本语法
人工智能·pytorch·python