Janela deslizante máxima
Guia detalhado e implementação de Python para o problema de 'Máximo de janela deslizante'.
1. Aprenda
O problema do 'Máximo da janela deslizante' é um desafio importante na seção Janela deslizante.
Esta implementação concentra-se na lógica de nível rígido em Python.
Priorizamos a precisão técnica e a legibilidade do código em nossas soluções fornecidas.
2. Real-World Applications
3. Visual Intuition
Visualizando o fluxo lógico para Sliding Window Maximum.
4. Prerequisites
5. Step-by-Step Thinking
1. Understand the problem
Leia a declaração do problema para Sliding Window Maximum com atenção.
2. Formulate brute force
Elabore uma solução iterativa simples.
3. Identify inefficiency
Procure cálculos redundantes.
4. Optimize search path
Use hashing ou classificação para acelerar o processo.
5. Final Implementation
Limpe o código para padrões de produção.
Declaração do problema
Você recebe um array de inteiros nums e um inteiro k representando o tamanho de uma janela deslizante que se move da esquerda para a direita do array. Você só pode ver os números k na janela. Cada vez que a janela deslizante se move uma posição para a direita.
Retorne o valor máximo em cada janela deslizante.
Escreva uma função maxSlidingWindow(nums: List[int], k: int) -> List[int].
- •1 <= len(nums) <= 10^5
- •-10^4 <= nums[i] <= 10^4
- •1 <= k <= len(nums)
Exemplos
nums = [1, 3, -1, -3, 5, 3, 6, 7], k = 3
[3, 3, 5, 5, 6, 7]
Window [1,3,-1] max=3, [3,-1,-3] max=3, [-1,-3,5] max=5, [-3,5,3] max=5, [5,3,6] max=6, [3,6,7] max=7.
nums = [1], k = 1
[1]
Single element window, max is 1.
Need a Hint?
Edge Cases to Watch
- Estruturas de entrada vazias
- Entradas de elemento único
- Grandes limites numéricos
Pronto para resolver?
Open the problem in PyRun's browser-based Python editor. Your code runs fully offline — no server required.
Insights e variações da entrevista
Análise de complexidade
Por que tempo: Directly evaluates all possibilities.
Por que espaço: Uses standard local memory.
Por que tempo: Optimized paths reduce total operations.
Por que espaço: May trade memory for speed.
Código Python da solução otimizada
Código Python da solução otimizada
import collections
def max_sliding_window_opt(nums, k):
output = []
q = collections.deque()
l = r = 0
while r < len(nums):
while q and nums[q[-1]] < nums[r]:
q.pop()
q.append(r)
if l > q[0]:
q.popleft()
if (r + 1) >= k:
output.append(nums[q[0]])
l += 1
r += 1
return outputCódigo de força bruta (protegido por spoiler)
Código de força bruta (protegido por spoiler)
def max_sliding_window_brute(nums, k):
res = []
for i in range(len(nums) - k + 1):
res.append(max(nums[i : i + k]))
return resAlgorithm Pattern Checklist
When dealing with Sliding Window data patterns.
- Are constraints clear?
- Is there a linear or logarithmic optimization possible?
Key Revision Notes
Aplicam-se as propriedades padrão do problema da janela deslizante.
Perguntas relacionadas
PyRun is built and maintained by an independent solo developer. If this helped your interview prep, consider buying a coffee!
Recursos Python recomendados
Expanda seu conhecimento com tutoriais interativos relacionados, folhas de dicas e comparações de código.
Loops Python
Aprenda como usar loops Python para iterar dados. Domine as práticas recomendadas para loops for, while loops, break, continue e loop com exemplos interativos.
Como classificar uma lista em Python
Aprenda como classificar uma lista em Python usando o método sort() e a função sorted(). Descubra exemplos de classificação de chaves personalizadas e ordem reversa.
Folha de dicas dos métodos de string Python
Um guia de referência completo para manipulação de strings em Python. Domine a formatação, pesquisa, divisão, substituição e verificação de propriedades de string.
Python vs JavaScript: qual linguagem de programação é a melhor?
Uma comparação abrangente entre Python e JavaScript. Explore diferenças de sintaxe, desempenho, casos de uso (backend versus frontend) e exemplos de codificação.