数据结构-滑动窗口

简介: 数据结构-滑动窗口

1.长度最小的子数组


给定一个含有 n 个正整数的数组和一个正整数 target 。找出该数组中满足其总和大于等于 target 的长度最小的  连续子数组 [numsl, numsl+1, ..., numsr-1, numsr] ,并返回其长度。如果不存在符合条件的子数组,返回 0 。


def minSubArrayLen(starget,nums):
        sum=0
        result=len(nums)+1 # 这个地方主要要大于数组长度,以免正好整个数组长度的和等于target
        l=0
        for i in range(len(nums)):
            sum +=nums[i]
            while sum >= target:
                    sl=i-l+1
                    result = min(result,sl)
                    sum-=nums[l]
                    l+=1
        if result==len(nums)+1:
            return 0
        else:
            return result

2. 水果成篮


你正在探访一家农场,农场从左到右种植了一排果树。这些树用一个整数数组 fruits 表示,其中 fruits[i] 是第 i 棵树上的水果 种类 。


你想要尽可能多地收集水果。然而,农场的主人设定了一些严格的规矩,你必须按照要求采摘水果:


你只有 两个 篮子,并且每个篮子只能装 单一类型 的水果。每个篮子能够装的水果总量没有限制。

你可以选择任意一棵树开始采摘,你必须从 每棵 树(包括开始采摘的树)上 恰好摘一个水果 。采摘的水果应当符合篮子中的水果类型。每采摘一次,你将会向右移动到下一棵树,并继续采摘。

一旦你走到某棵树前,但水果不符合篮子的水果类型,那么就必须停止采摘。

给你一个整数数组 fruits ,返回你可以收集的水果的 最大 数目。


示例 1:


输入:fruits = [1,2,1]

输出:3

解释:可以采摘全部 3 棵树。

示例 2:


输入:fruits = [0,1,2,2]

输出:3

解释:可以采摘 [1,2,2] 这三棵树。

如果从第一棵树开始采摘,则只能采摘 [0,1] 这两棵树。

class Solution:
    def totalFruit(fruits):
        i,j=0,0
        res=0
        calssMap=defaultdict(int)
        classFruit=0
       
        while j < len(fruits):
            # 判断当前是否满足条件
            if calssMap[fruits[j]]==0:
                classFruit+=1
            calssMap[fruits[j]]+=1
       
        #不满足条件时移动i
            while classFruit>2:
                if calssMap[fruits[i]]==1:
                    classFruit-=1
                calssMap[fruits[i]]-=1
                i+=1
           
            res = max(res,j-i+1)
            j+=1
        return res


3.最小覆盖子树


给你一个字符串 s 、一个字符串 t 。返回 s 中涵盖 t 所有字符的最小子串。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'

def minWindow(s,t):
        i,j=0,0  # 定义我们的指针
        #创建一个字典
        needMap=collections.defaultdic(int)
        #定义所需的t中的种类
        needCnt=len(t)
        res=''  # 初始res为''
       
        for char in t:
                needMap[char]+=1 # 将t中的字母存放在字典中,同时记录字母的数量
        while j<len(t):
                if s[j] in needMap:
                    # 如果t中字符在s中且对应值大于0,则对其值建议,同时needCnt-1
                    if needMap[s[j]]>0: 
                           needCnt -=1
                     needMap[s[j]] -=1
                # 当找到第一个满足t中字符都包含在s子区间时间,也就是needCnt=0时 
                while needCnt==0:
                    #更新res的值
                    if not res or j-i+1<len(res):
                        res = s[i:j+1]
                    # 判断左边指针是否在needMap中,如果在也就是我们去掉一个s所含t的字符
                    if s[i] in needMap:
                        if needMap[s[i]]==0: # 当对应值大于0时间,needCnt+1
                            needCnt +=1
                        needMap[s[i]]+=1
                    i+=1
                j+=1
        return res
相关文章
|
6月前
|
存储 算法 索引
【算法与数据结构】队列的实现详解
【算法与数据结构】队列的实现详解
193 0
|
6月前
|
存储 设计模式 算法
【数据结构和算法】找出叠涂元素
给你一个下标从0开始的整数数组arr和一个m x n的整数矩阵mat。arr和mat都包含范围[1,m * n]内的所有整数。 从下标0开始遍历arr中的每个下标i,并将包含整数arr[i]的mat单元格涂色。 请你找出arr中在mat的某一行或某一列上都被涂色且下标最小的元素,并返回其下标i。
70 1
|
5月前
|
存储 算法 Java
Java数据结构与算法:线性数据结构之数组
Java数据结构与算法:线性数据结构之数组
|
5月前
|
算法
【数据结构和算法】--队列
【数据结构和算法】--队列
29 0
|
6月前
|
机器学习/深度学习 算法
【数据结构】算法的时间复杂度
【数据结构】算法的时间复杂度
24 2
|
6月前
【基本数据结构 四】线性数据结构:队列
【基本数据结构 四】线性数据结构:队列
48 0
|
机器学习/深度学习 算法
数据结构 > 算法的时间复杂度(1)
数据结构 > 算法的时间复杂度(1)
|
算法 调度
栈与队列:常见的线性数据结构
栈与队列:常见的线性数据结构
91 0
|
算法
数据结构-算法的时间复杂度(1.1)
数据结构-算法的时间复杂度(1.1)
61 0
|
机器学习/深度学习 人工智能 算法
【算法与数据结构】5 常见的时间复杂度,你知道吗?
【算法与数据结构】5 常见的时间复杂度,你知道吗?
157 0