1 题目
给你一个整数数组 nums 和一个整数 k 。
一个元素 x 在数组中的 频率 指的是它在数组中的出现次数。
如果一个数组中所有元素的频率都 小于等于 k ，那么我们称这个数组是 好 数组。
请你返回 nums 中 最长好 子数组的长度。
子数组 指的是一个数组中一段连续非空的元素序列。
示例 1：
输入：nums = [1,2,3,1,2,3,1,2], k = 2
输出：6
解释：最长好子数组是 [1,2,3,1,2,3] ，值 1 ，2 和 3 在子数组中的频率都没有超过 k = 2 。[2,3,1,2,3,1] 和 [3,1,2,3,1,2] 也是好子数组。
最长好子数组的长度为 6 。示例 2：
输入：nums = [1,2,1,2,1,2,1,2], k = 1
输出：2
解释：最长好子数组是 [1,2] ，值 1 和 2 在子数组中的频率都没有超过 k = 1 。[2,1] 也是好子数组。
最长好子数组的长度为 2 。示例 3：
输入：nums = [5,5,5,5,5,5,5], k = 4
输出：4
解释：最长好子数组是 [5,5,5,5] ，值 5 在子数组中的频率没有超过 k = 4 。
最长好子数组的长度为 4 。提示：
1 <= nums.length <= 1051 <= nums[i] <= 1091 <= k <= nums.length
2 代码实现
cpp
class Solution {
public:
int maxSubarrayLength(vector<int>& nums, int k) {
unordered_map<int ,int > window ;
int left = 0 ;
int right = 0 ;
int res = 0 ;
while(right < nums.size()){
int a = nums[right];
window[a]++;
while(window[a] > k){
int b = nums[left];
window[b]--;
left++;
if(window[b] == 0){
window.erase(b);
}
}
right++;
res = max(res, right - left);
}
return res;
}
};思考
我想大概滑动窗口的题目要告一段落了，看看这道题做得怎么样，已经在这里花了很多时间训练了，也获得了一些收获。
这个题目思路很直观。
1.记录频率。
2.约束条件的操作，维护滑动窗口。
可以了，测试通过了，有关erase的操作回头看了看自己的博客，我觉得这个滑动窗口的部分可以告一段落了。
3 复习小结【滑动窗口（不定长）】
以上面这道题总结出一个框架，足够经典，也基本覆盖了不定长的滑动窗口的做法。
自己总结的框架
class Solution {
public:
int maxSubarrayLength(vector<int>& nums, int k) {
unordered_map<int ,int > window ;
//哈希表这里也可以视情况而定，改用vector数组，具体看需要存储的值
int left = 0 ;
int right = 0 ;
int res = 0 ;//在循环外定义好（如果在循环内定义则不能正确记录），后续更新
while(right < nums.size()){
int a = nums[right];
window[a]++;
while(window[a] > k){ //约束条件，如果不符合了，移动滑动窗口，注意更新边界
int b = nums[left];
window[b]--;
left++;
if(window[b] == 0){
window.erase(b); //窗口元素的移除操作
}
}
right++;
res = max(res, right - left); //结果的更新，结合题目的操作
}
return res;
}
};
好啦，现在我再回头看看 滑动窗口算法核心代码模板 | labuladong 的算法笔记
伪码框架
cpp
// 索引区间 [left, right) 是窗口
int left = 0, right = 0;
while (right < nums.size()) {
// 增大窗口
window.addLast(nums[right]);
right++;
while (window needs shrink) {
// 缩小窗口
window.removeFirst(nums[left]);
left++;
}
}
cpp
// 滑动窗口算法伪码框架
void slidingWindow(string s) {
// 用合适的数据结构记录窗口中的数据，根据具体场景变通
// 比如说，我想记录窗口中元素出现的次数，就用 map
// 如果我想记录窗口中的元素和，就可以只用一个 int
auto window = ...
int left = 0, right = 0;
while (right < s.size()) {
// c 是将移入窗口的字符
char c = s[right];
window.add(c);
// 增大窗口
right++;
// 进行窗口内数据的一系列更新
...
// *** debug 输出的位置 ***
printf("window: [%d, %d)\n", left, right);
// 注意在最终的解法代码中不要 print
// 因为 IO 操作很耗时，可能导致超时
// 判断左侧窗口是否要收缩
while (window needs shrink) {
// d 是将移出窗口的字符
char d = s[left];
window.remove(d);
// 缩小窗口
left++;
// 进行窗口内数据的一系列更新
...
}
}
}回顾一下，遇到子数组/子串相关的问题，你只要能回答出来以下几个问题，就能运用滑动窗口算法：
1、什么时候应该扩大窗口？
2、什么时候应该缩小窗口？
3、什么时候应该更新答案？
=========
现在回头看，的确，算法有框架的思想，东哥的文章介绍的很精练，很实用。
滑动窗口的练习，现阶段先停一停了，等后续整体算法入门了再刷一遍进阶题。
加油(ง •_•)ง！