目录
问题描述
给定一个整数数组 temperatures，表示每天的温度，返回一个数组 answer，其中 answer[i] 表示在第 i 天之后，需要等待多少天才能遇到更高的温度。若未来没有更高温度，则 answer[i] = 0。
示例：
输入：temperatures = [73,74,75,71,69,72,76,73]
输出：[1,1,4,2,1,1,0,0]第 0 天温度为 73，第 1 天温度为 74，因此只需等待 1 天；第 6 天温度为 76，后续没有更高温度，结果为 0。
方法思路：单调栈
核心思想
利用单调递减栈存储尚未找到更高温度的日期索引。栈中元素对应的温度从栈底到栈顶严格递减。遍历温度数组时，若当前温度高于栈顶温度，则栈顶元素找到了下一个更高温度的日期，计算天数差并更新结果，确保栈的单调性。
为什么用单调栈？
-
暴力法的不足：对每一天向后遍历找更高温度，时间复杂度为 O(n²)，无法处理大规模数据。
-
单调栈的优势：每个元素最多入栈和出栈一次，时间复杂度优化至 O(n)。
算法步骤
-
初始化 ：结果数组
ans初始化为全 0，栈stack存储索引。 -
遍历温度数组 ：对于第
i天的温度T[i]：-
循环检查栈顶 ：若
T[i] > T[栈顶索引]，说明栈顶元素的下一个更高温度是第i天： -
弹出栈顶索引
prevIndex，计算ans[prevIndex] = i - prevIndex。 -
维护单调性 ：将
i压入栈，保持栈内温度递减。
-
-
返回结果 ：遍历结束后，
ans数组即为所求。
代码实现与逐行解析
var dailyTemperatures = function (temperatures) {
const n = temperatures.length;
const ans = new Array(n).fill(0); // 初始化结果数组为全0
const stack = []; // 单调栈存储索引，栈底到栈顶温度递减
for (let i = 0; i < n; i++) {
// 当前温度 > 栈顶温度时，循环处理栈顶元素
while (stack.length && temperatures[i] > temperatures[stack[stack.length - 1]]) {
const prevIndex = stack.pop(); // 弹出栈顶索引
ans[prevIndex] = i - prevIndex; // 计算天数差
}
stack.push(i); // 当前索引入栈，保持栈的单调性
}
return ans;
};初始化结果数组 ：ans 初始化为全 0，默认未来没有更高温度时结果为 0。
遍历温度数组：对每一天的温度进行处理。
循环处理栈顶元素：当栈不为空且当前温度高于栈顶温度时：
弹出栈顶索引 ：获取需要更新结果的日期 prevIndex。
计算等待天数 ：结果为当前日期 i 与 prevIndex 的差值。
压入当前索引：确保栈内温度保持递减。
示例解析
以 temperatures = [73,74,75,71,69,72,76,73] 为例，逐步分析栈和结果的变化：
当前索引 i |
当前温度 T[i] |
栈状态 (索引) | 操作 | 结果数组 ans |
|---|---|---|---|---|
| 0 | 73 | \[\] | 0入栈 | 0,0,0,0,0,0,0,0 |
| 1 | 74 | 0 | 73 < 74 → 计算ans0=1，0出栈，1入栈 | 1,0,0,0,0,0,0,0 |
| 2 | 75 | 1 | 74 < 75 → 计算ans1=1，1出栈，2入栈 | 1,1,0,0,0,0,0,0 |
| 3 | 71 | 2 | 75 > 71 → 3入栈 | 无变化 |
| 4 | 69 | 2,3 | 71 > 69 → 4入栈 | 无变化 |
| 5 | 72 | 2,3,4 | 69 < 72 → 计算ans4=1，4出栈；71 <72 → 计算ans3=2，3出栈；75 >72 → 5入栈 | 1,1,0,2,1,0,0,0 |
| 6 | 76 | 2,5 | 72 <76 → 计算ans5=1，5出栈；75 <76 → 计算ans2=4，2出栈；栈空 → 6入栈 | 1,1,4,2,1,1,0,0 |
| 7 | 73 | 6 | 76 >73 → 7入栈 | 无变化 |
最终结果为 [1,1,4,2,1,1,0,0]。
复杂度分析
-
时间复杂度：O(n)，每个元素最多入栈和出栈一次，总操作次数为 2n。
-
空间复杂度：O(n)，栈的最大空间为 n（当温度严格递减时）。
总结
单调栈通过维护温度递减的索引序列，将问题的复杂度优化至线性时间。算法核心在于利用栈的单调性快速找到下一个更高温度的日期，避免了重复遍历。这种方法在处理"寻找下一个更大元素"类问题时非常高效。