本文主要是介绍leetcode 2461.长度为k子数组的最大和，希望对大家解决编程问题提供一定的参考价值，需要的开发者们随着小编来一起学习吧！
目录
题目描述
示例1：
示例2：
提示：
解题思路
滑动窗口法
概念
应用场景及特点：
思路
流程展示
代码
复杂度分析
题目描述
给你一个整数数组nums和一个整数k。请你从nums中满足下述条件的全部子数组中找出最大子数组和：
- 子数组的长度是
k，且 - 子数组中的所有元素各不相同。
返回满足题面要求的最大子数组和。如果不存在子数组满足这些条件，返回0。
子数组是数组中一段连续非空的元素序列。
示例1：
输入：nums = [1,5,4,2,9,9,9], k = 3
输出：15
解释：nums 中长度为 3 的子数组是：
- [1,5,4] 满足全部条件，和为 10 。
- [5,4,2] 满足全部条件，和为 11 。
- [4,2,9] 满足全部条件，和为 15 。
- [2,9,9] 不满足全部条件，因为元素 9 出现重复。
- [9,9,9] 不满足全部条件，因为元素 9 出现重复。
因为 15 是满足全部条件的所有子数组中的最大子数组和，所以返回 15 。
示例2：
输入：nums = [4,4,4], k = 3
输出：0
解释：nums 中长度为 3 的子数组是：
- [4,4,4] 不满足全部条件，因为元素 4 出现重复。
因为不存在满足全部条件的子数组，所以返回 0 。
提示：
- 1 <= k <= nums.length <= 105
- 1 <= nums[i] <= 105
解题思路
滑动窗口法
概念
滑动窗口是一个在序列上移动的区间，通常由左右两个指针来界定这个区间的范围。通过移动指针来改变窗口的大小和位置，在窗口移动的过程中，根据问题的需求进行特定的计算和处理。
应用场景及特点：
- 子数组 / 子串问题：
- 当需要在一个序列中找到满足特定条件的连续子数组或子串时，滑动窗口非常适用。例如，寻找和为特定值的连续子数组、含有特定字符的最长子串等。
- 窗口的大小通常是动态变化的，根据问题的条件进行调整。
- 高效性：
- 相比于暴力枚举所有可能的子数组 / 子串，滑动窗口法通常能够在更短的时间内找到解。因为它利用了子数组 / 子串的连续性和窗口的滑动特性，避免了重复计算。
- 指针移动规则：
- 通常有两个指针，一个指向窗口的左端，一个指向窗口的右端。根据问题的具体要求，以特定的方式移动指针。
- 例如，在寻找满足特定条件的最小子数组时，可能会先扩大窗口直到满足条件，然后再缩小窗口以找到最小的满足条件的窗口。
思路
- 初始化：
- 使用一个滑动窗口，窗口大小为
k。 - 创建一个计数器（可以使用
collections.Counter）来记录窗口中元素的出现次数。 - 初始化当前窗口的和为 0，最大子数组和为 0。
- 滑动窗口遍历：
- 首先，将窗口的前
k个元素加入窗口，并计算它们的和以及使用计数器记录元素出现次数。 - 检查窗口中的元素是否各不相同。如果是，更新最大子数组和为当前窗口的和。
- 然后，向右滑动窗口，每次将新元素加入窗口，将离开窗口的元素从计数器中移除，并更新窗口的和。
- 再次检查窗口中的元素是否各不相同。如果是，与当前最大子数组和比较并更新。
- 返回结果：
- 遍历完整个数组后，返回最大子数组和。
流程展示
代码
class Solution:def maximumSubarraySum(self, nums: List[int], k: int) -> int:ans = 0cnt = Counter(nums[:k-1])s = sum(nums[:k-1])for in_,out in zip(nums[k-1:],nums):cnt[in_] += 1s += in_if len(cnt) == k:ans = max(ans, s)cnt[out] -= 1if cnt[out] == 0:del cnt[out]s -= outreturn ans复杂度分析
- 时间复杂度：由于只需要对数组进行一次遍历，时间复杂度为
O(n)，其中n是数组的长度。 - 空间复杂度：使用了计数器和有限的几个变量，空间复杂度为
O(k)，其中k是窗口的大小。
这篇关于leetcode 2461.长度为k子数组的最大和的文章就介绍到这儿，希望我们推荐的文章对编程师们有所帮助！
