滑动窗口最大值

滑动窗口最大值问题是指给定一个长度为 n 的数组 nums 和一个大小为 k 的滑动窗口，从左至右在 nums 中滑动这个窗口，求出每个窗口内的最大值。该问题可以使用双端队列（deque）来解决，具体实现方法可以参考以下代码：

from collections import deque
def maxSlidingWindow(nums, k):
    if not nums:
        return []
    if k == 1:
        return nums
    res = []
    deque = deque()
    for i in range(len(nums)):
        if deque and i - deque[0] == k:
            deque.popleft()
        while deque and nums[deque[-1]] < nums[i]:
            deque.pop()
        deque.append(i)
        if i >= k - 1:
            res.append(nums[deque[0]])
    return res

该算法的时间复杂度为 O(n)，空间复杂度为 O(k)，其中 n 是数组 nums 的长度。

相关问题

python滑动窗口最大值

可以使用双端队列（deque）来实现滑动窗口最大值的问题，具体步骤如下：

1. 定义一个双端队列q，用来存储窗口中的元素下标；
2. 遍历数组nums，每次将队列尾部小于当前元素的下标弹出；
3. 将当前元素的下标加入队列尾部；
4. 判断队列头部的下标是否在当前窗口中，如果不在则弹出；
5. 将队列头部对应的元素作为当前窗口最大值。

具体的 Python 代码实现如下：

from collections import deque

def maxSlidingWindow(nums, k):
    if not nums:
        return []
    q = deque()
    res = []
    for i in range(len(nums)):
        # 如果队列头部下标已经不在窗口中，弹出队列头部
        if q and q[0] < i - k + 1:
            q.popleft()
        # 将队列尾部小于当前元素的下标弹出
        while q and nums[q[-1]] < nums[i]:
            q.pop()
        # 将当前元素下标加入队列尾部
        q.append(i)
        # 如果当前窗口的大小为k，则将队列头部元素作为当前窗口最大值
        if i >= k - 1:
            res.append(nums[q[0]])
    return res

其中，nums表示输入的数组，k表示窗口大小，函数返回一个列表，表示每个窗口的最大值。例如：

>>> nums = [1,3,-1,-3,5,3,6,7]
>>> k = 3
>>> maxSlidingWindow(nums, k)
[3, 3, 5, 5, 6, 7]

滑动窗口最大值python

滑动窗口最大值问题，可以使用双端队列来解决。双端队列中存放的是窗口中的元素的索引值，而且队列中的元素按照从大到小的顺序排列。具体算法如下：

1. 创建一个双端队列 deque，用来存放窗口中的元素的索引值。
2. 初始化结果数组 res，用来存放每个窗口中的最大值。
3. 遍历整个数组，做如下操作：
a. 检查队列中的头部元素是否已经越过窗口的范围，如果是，则删除头部元素。
b. 判断当前元素是否比队列中的尾部元素大，如果是，则将尾部元素删除，直到队列为空或者队列中的元素比当前元素大。
c. 将当前元素的索引加入队列的尾部。
d. 判断当前窗口是否已经形成，如果是，则将队列中的头部元素加入结果数组 res。
4. 返回结果数组 res。

下面是用 Python 实现的代码：

from collections import deque

def slidingWindowMax(nums, k):
    deque = deque()
    res = []
    
    for i in range(len(nums)):
        if deque and i - deque[0] == k:
            deque.popleft()
            
        while deque and nums[i] > nums[deque[-1]]:
            deque.pop()
            
        deque.append(i)
        
        if i >= k - 1:
            res.append(nums[deque[0]])
            
    return res

以上就是滑动窗口最大值问题的 Python 解法。该算法的时间复杂度为 O(n)，其中 n 是数组的长度。