题目链接
解题思路
LCA看不懂
算法详解之最近公共祖先(LCA) - hulean - 博客园 (cnblogs.com)
leetcode-hot100
和为K的子数组
题目链接
解题思路
1、暴力破解
class Solution:
def subarraySum(self, nums: List[int], k: int) -> int:
n = len(nums)
result = 0
for i in range(n):
for j in range(i, n):
temp = nums[i:j+1]
#print(temp)
sum_ = sum(temp)
if sum_ == k:
result += 1
return result
超出时间限制
加入改进通过使用一个数组记录前n个数的和,降低时间复杂度。
滑动窗口最大值
题目链接
暴力破解
超出时间限制
class Solution:
def maxSlidingWindow(self, nums: List[int], k: int) -> List[int]:
left = 0
right = k - 1
n = len(nums)
result = []
while right < n:
minstr = nums[left:right+ 1]
result.append(max(minstr))
right += 1
left += 1
return result
优先队列:
对于最大值,我们可以想到一种非常合适的数据结构,那就是优先队列,其中的大根堆可以帮助我们实时维护一系列元素的最大值。
对于本题而言,初始时,我们将数组nums的前k个元素放入优先队列中。每当我们向右移动窗口时,我们就把一个新的元素放入优先队列中。此时堆顶的元素就是堆中所有元素的最大值。然而这个最大值可能并不在滑动窗口中,在这种情况下,这个值在数组nums中的位置出现在滑动窗口左边界的左侧1.因此,当我们后续继续向右移动窗口时,这个值就永远不可能出现在滑动窗口中,我们可以将其永久的从优先队列中移除。
我们不断移除堆定的元素,直到其确实出现在滑动窗口中。此时,堆顶元素就是滑动窗口中的最大值。为了方便判断堆顶元素与滑动窗口的位置关系,我们可以在优先队列中存储二元组,表示元素num在数组中的下标位index。
class Solution:
def maxSlidingWindow(self, nums: List[int], k: int) -> List[int]:
n = len(nums)
#注意python默认的优先队列时小根堆
q = [(-nums[i], i) for i in range(k)]
heapq.heapify(q)
ans = [-q[0][0]]
for i in range(k,n):
heapq.heappush(q,(-nums[i],i))
while q[0][1] <= i - k:
heapq.heappop(q)
ans.append(-q[0][0])
return ans