滑动窗口最大值
给定一个数组 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 k 内的数字。滑动窗口每次只向右移动一位。
返回滑动窗口最大值。
示例:
输入: nums = [1,3,-1,-3,5,3,6,7], 和 k = 3
输出: [3,3,5,5,6,7]
解释:
滑动窗口的位置 最大值
--------------- -----
[1 3 -1] -3 5 3 6 7 3
1 [3 -1 -3] 5 3 6 7 3
1 3 [-1 -3 5] 3 6 7 5
1 3 -1 [-3 5 3] 6 7 5
1 3 -1 -3 [5 3 6] 7 6
1 3 -1 -3 5 [3 6 7] 7
注意：
你可以假设 k 总是有效的，1 ≤ k ≤ 输入数组的大小，且输入数组不为空。
进阶：
你能在线性时间复杂度内解决此题吗？
Python3实现
双端队列
# @author:leacoder
# @des: 双端队列 滑动窗口最大值
class Solution:
def maxSlidingWindow(self, nums: List[int], k: int) -> List[int]:
if not nums: return []
window ,result = [],[] #window 存在窗口中的数的 下标 result用于存最后的结果
for i, numx in enumerate(nums):
"""
1.判断元素是否超出滑动窗口范围
i > k 说明滑动窗口不为空，window[0] < i - k说明最大元素超出了窗口，这时候必须舍弃
队首元素：window.pop(0)
"""
if i>=k and window[0]<=i-k: #新数据来时每次将window最左边的pop掉window[0]放的是最大而不是最左边界所以需要判断
window.pop(0) #不满足 window内条件
while window and nums[window[-1]]<=numx: #维护window 保持k的范围内window最大数始终在windowp[0]
window.pop() #window中如果有比新进numx小的 pop掉(我们要的是窗口内最大)
window.append(i)
#将新进numx 下标加入window window中最大数 始终是window[0]
#因为上方while循环已经保证在append新进数时 window中要么为空，新进入数最大
#要么比新进数入小的已pop掉留下比新进入数大的数放在头部
if i>=k-1: #下标从0开始 顾 i=k-1时 window中已处理过k个数了
result.append(nums[window[0]])
return result
'''
巧妙运用了window大小固定，并且 新进入数 如果比之前window中已有数都大的话，那么之前的数永远不可能是我们需要的数（滑动窗口最大值）
1 3 -1 -3 5 3 6 7 为nums k=3为例
假设已到新数进入前 窗口为 1 [3 -1 -3] 5 3 6 7, 现在新数 5 下标为四进入，按着上面代码逻辑
1、pop掉窗口最最左边数 3 下标为一 被pop
2、此时window中为[ -1 -3 ]的下标，循环比较 新数 5 大于 -1 -3 顾pop掉。此时window为空 跳出循环
3、将新数 5下标为四 append入window (存放下标) 此时window为[四] 1 3 [-1 -3 5] 3 6 7
4、这时窗口中最大值 为window[0]为下标的数
5、新进数3下标五 进入，-1 已不在window内了不需pop，window中只有5下标为四 不需要pop任何数据，将3 下标五append入window(存放下标) 此时window为[四 五] 1 3 -1 []-3 5 3] 6 7 窗口中最大值 依旧为window[0]为下标的数
'''
Java 实现
优先队列
/*
@author:leacoder
@des: 优先队列 滑动窗口最大值
PriorityQueue 默认是一个小顶堆
*/
class Solution {
public int[] maxSlidingWindow(int[] nums, int k) {
if(k==0){
return nums;
}
PriorityQueue<Integer> queue = new PriorityQueue<>(k, (a, b) -> {return b-a;});//优先队列 顶为最大
for (int i = 0; i < k; i++) {
queue.add(nums[i]);
}
int[] res = new int[nums.length - k + 1];//存放结果
for (int i = 0; i < res.length; i++) {
res[i] = queue.peek(); //从取优先队列取出最大
queue.remove(nums[i]);//删除 优先队列中nums[i]
if (i + k < nums.length) {
queue.add(nums[i + k]); //将新进入数 加入优先队列中
}
}
return res;
}
}
/*
PriorityQueue 默认是一个小顶堆，如何实现大顶堆
1、
PriorityQueue<Integer> pq = new PriorityQueue<>(n,(Integer a,Integer b)->{return b-a;});
2、
PriorityQueue<Integer> pq = new PriorityQueue<>(n, new Comparator<Integer>() {
@Override
public int compare(Integer integer, Integer t1) {
return t1-integer;
}
});
*/
GitHub链接： https://github.com/lichangke/LeetCode
个人Blog: https://lichangke.github.io/
欢迎大家来一起交流学习