Sous-tableau de produits maximal
Guide détaillé et implémentation de Python pour le problème « Sous-tableau de produits maximum ».
1. Apprendre
Le problème du « sous-tableau de produit maximum » est un défi clé dans la section DP 1D.
Cette implémentation se concentre sur la logique de niveau dur dans Python.
Nous accordons la priorité à la précision technique et à la lisibilité du code dans les solutions que nous proposons.
2. Real-World Applications
3. Visual Intuition
Visualisation du flux logique pour le sous-tableau de produits maximum.
4. Prerequisites
5. Step-by-Step Thinking
1. Understand the problem
Lisez attentivement l’énoncé du problème pour le sous-tableau de produits maximum.
2. Formulate brute force
Rédigez une solution itérative simple.
3. Identify inefficiency
Recherchez les calculs redondants.
4. Optimize search path
Utilisez le hachage ou le tri pour accélérer le processus.
5. Final Implementation
Nettoyer le code pour les normes de production.
Énoncé du problème
Étant donné un tableau de nombres entiers, recherchez un sous-tableau contigu non vide dans le tableau qui a le plus grand produit et renvoyez le produit.
Les cas de test sont générés de manière à ce que la réponse tienne dans un entier de 32 bits.
Écrivez une fonction maxProduct(nums: List[int]) -> int.
- •1 <= len(nums) <= 2 * 10^4
- •-10 <= nums[i] <= 10
- •The product of any prefix or suffix of nums fits in a 32-bit integer
Exemples
nums = [2,3,-2,4]
6
[2,3] has the largest product 6.
nums = [-2,0,-1]
0
The result cannot be larger than 0 because of the negative numbers separated by 0.
Need a Hint?
Edge Cases to Watch
- Structures d'entrée vides
- Entrées à élément unique
- Grandes limites numériques
Prêt à résoudre ?
Open the problem in PyRun's browser-based Python editor. Your code runs fully offline — no server required.
Aperçus et variations des entretiens
Répartition de l'analyse de complexité
Pourquoi le temps: Directly evaluates all possibilities.
Pourquoi l'espace: Uses standard local memory.
Pourquoi le temps: Optimized paths reduce total operations.
Pourquoi l'espace: May trade memory for speed.
Code Python de solution optimisée
Code Python de solution optimisée
def max_product_opt(nums):
res = max(nums)
curMin, curMax = 1, 1
for n in nums:
tmp = curMax * n
curMax = max(n * curMax, n * curMin, n)
curMin = min(tmp, n * curMin, n)
res = max(res, curMax)
return resCode de force brute (spoiler gardé)
Code de force brute (spoiler gardé)
def max_product_brute(nums):
res = max(nums)
for i in range(len(nums)):
cur = nums[i]
for j in range(i + 1, len(nums)):
cur *= nums[j]
res = max(res, cur)
return resAlgorithm Pattern Checklist
When dealing with 1D DP data patterns.
- Are constraints clear?
- Is there a linear or logarithmic optimization possible?
Key Revision Notes
Les propriétés standard du problème DP 1D s’appliquent.
Questions connexes
PyRun is built and maintained by an independent solo developer. If this helped your interview prep, consider buying a coffee!
Ressources Python recommandées
Développez vos connaissances avec des didacticiels interactifs, des aide-mémoire et des comparaisons de codes associés.
Boucles Python
Apprenez à utiliser les boucles Python pour parcourir les données. Maîtrisez les bonnes pratiques pour les boucles, while, break, continue et loop avec des exemples interactifs.
Comment trier une liste en Python
Apprenez à trier une liste en Python à l'aide de la méthode sort() et de la fonction sorted(). Découvrez des exemples de tri de clés personnalisé et d’ordre inverse.
Aide-mémoire sur les méthodes de chaîne Python
Un guide de référence complet pour la manipulation des chaînes Python. Maîtrisez le formatage, la recherche, le fractionnement, le remplacement et la vérification des propriétés des chaînes.
Python vs JavaScript : quel langage de programmation est le meilleur ?
Une comparaison complète entre Python et JavaScript. Explorez les différences de syntaxe, les performances, les cas d'utilisation (backend et frontend) et des exemples de codage.