打卡

Archer/239. Sliding Window Maximum/239. Sliding Window Maximum.py

@@ -0,0 +1,102 @@
+#!/usr/bin/env python
+# -*- coding:utf-8 -*-
+
+
+# 方法一、利用队列的思想，先进先出，不断滑动窗口[i:i+k]
+class Solution(object):
+    def maxSlidingWindow(self, nums, k):
+        """
+        :type nums: List[int]
+        :type k: int
+        :rtype: List[int]
+        """
+
+        win = []
+        n = len(nums)
+
+        if nums != []:
+            for i in range(n - k + 1):
+                win.append(max(nums[i:i + k]))
+
+        return win
+
+# 利用hea实现队列操作，先进先出
+class Solution(object):
+    def maxSlidingWindow(self, nums, k):
+        """
+        :type nums: List[int]
+        :type k: int
+        :rtype: List[int]
+        """
+        import heapq
+
+        win = []
+        hea = []# 注意不能写成：win = hea = []
+
+        n = len(nums)
+
+        hea.append(0)
+
+        for num in nums[0:k - 1]:
+            hea.append(num)
+
+        if nums != []:
+            for i in range(k - 1, n):
+                hea.append(nums[i])
+                hea.pop(0)
+                win.append(max(hea))
+
+        return win
+# 方法三、利用双向队列（效率最高）
+class Solution(object):
+    def maxSlidingWindow(self, nums, k):
+        """
+        :type nums: List[int]
+        :type k: int
+        :rtype: List[int]
+        """
+        win = []
+        hea = []
+
+        n = len(nums)
+
+        for i in range(k - 1):  # 先建立第一个窗口的前k-1个
+            while hea != [] and nums[hea[-1]] < nums[i]:  # 一直比较新数及队尾元素，若队尾较小则出队
+                hea.pop()
+            hea.append(i)  #新数的索引入队
+
+        if nums != []:
+            for i in range(k - 1, n):
+                if hea != [] and (i - hea[0]) == k:  # 队列中最大值的索引与新数的索引如果溢出窗口k，则队头出队
+                    hea.pop(0)
+                while hea != [] and nums[hea[-1]] < nums[i]:
+                    hea.pop()
+                hea.append(i)
+                win.append(nums[hea[0]])    # 队头的索引指示该窗口下的最大值
+
+        return win
+
+# 方法四、利用堆思想，跟方法三雷同
+
+class Solution(object):
+    def maxSlidingWindow(self, nums, k):
+        """
+        :type nums: List[int]
+        :type k: int
+        :rtype: List[int]
+        """
+        import heapq   # 需要这个模块建立堆
+
+        win = []
+        hea = []
+
+        n = len(nums)
+
+        for i in range(n):
+            while hea != [] and (i - hea[0][1]) > k - 1:  # 如果堆顶点对应的索引溢出，删除堆顶点（即删除最大值）
+                heapq.heappop(hea)
+            heapq.heappush(hea, (-nums[i], i))  #同时将数值和索引输入堆，以便判断堆顶点的索引是否溢出
+            if i > k - 2:  # 在堆至少为窗口大小时，才开始输出最大值
+                win.append(-hea[0][0])
+
+        return win

Archer/239. Sliding Window Maximum/239. Sliding Window Maximum说明及复盘.md

@@ -0,0 +1,11 @@
+# 算法实现：(详细见代码文档) #
+
+#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。 #
+
+# 复盘 #
+
+1. 用索引i和j不断滑动数组：nums[i:j]，然后max求最大值
+
+2. 用伪队列思想，设置一个队列，然后不断入队出队，然后求最大值
+3. 双向队列，比较巧妙，队列里存储的是索引，具体解析见代码文档（注意的是，因为一边比较一边出队，比最大值更前的索引已经出队了，所以索引溢出窗口时队头出队即可，）
+4. 用堆，跟双向队列的方法雷同（注意的是，与双向队列不同，因为堆就算溢出也没有出队，所以堆要同时保存索引和值，循环判断索引溢出窗口，将堆顶弹出）

Archer/readme.md

@@ -1,3 +1,5 @@
+##1220-1222 打卡##
+**239. Sliding Window Maximum** 
 ##1217-1219 打卡##
 **编写一个算法来判断一个数是不是“快乐数”。一个“快乐数”定义为：对于一个正整数，每一次将该数替换为它每个位置上的数字的平方和，然后重复这个过程直到这个数变为 1，也可能是无限循环但始终变不到 1。如果可以变为 1，那么这个数就是快乐数。**