Online Stock Span 库存价格持续时间计算 #算法#

2023-10-20 00:18

本文主要是介绍Online Stock Span 库存价格持续时间计算 #算法#,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!

原题如下:

Write a class StockSpanner which collects daily price quotes for some stock, and returns the span of that stock’s price for the current day.

The span of the stock’s price today is defined as the maximum number of consecutive days (starting from today and going backwards) for which the price of the stock was less than or equal to today’s price.

For example, if the price of a stock over the next 7 days were [100, 80, 60, 70, 60, 75, 85], then the stock spans would be [1, 1, 1, 2, 1, 4, 6].

中文解释:要计算某天的价格的span,就是从当天开始往回算,连续几天的价格小于等于当天的价格,当天的span就是几。

Example 1:

Input: [“StockSpanner”,“next”,“next”,“next”,“next”,“next”,“next”,“next”], [[],[100],[80],[60],[70],[60],[75],[85]]
Output: [null,1,1,1,2,1,4,6]
Explanation:
First, S = StockSpanner() is initialized. Then:
S.next(100) is called and returns 1,
S.next(80) is called and returns 1,
S.next(60) is called and returns 1,
S.next(70) is called and returns 2,
S.next(60) is called and returns 1,
S.next(75) is called and returns 4,
S.next(85) is called and returns 6.

Note that (for example) S.next(75) returned 4, because the last 4 prices
(including today’s price of 75) were less than or equal to today’s price.

Note:(这些可忽略)

  1. Calls to StockSpanner.next(int price) will have 1 <= price <= 10^5.
  2. There will be at most 10000 calls to StockSpanner.next per test case.
  3. There will be at most 150000 calls to StockSpanner.next across all test cases.
  4. The total time limit for this problem has been reduced by 75% for C++, and 50% for all other languages.

思路

每个新的price对应一个span,每次加入一个price时,跟前面的price比较,若前面的比它小,则其span要加上前面的span,且该较小price的项应该删除,因为其span已经被加到后面price较大的项中去了,如果不删掉,下次会重复加span,导致错误,此外,这些项已经不需要用到,删掉可以节省空间。
对于每一项,可以定义一个结构体,包含一个price和span;然后再用一个容纳该结构体的vector容器,当做一个栈使用(也可以直接用stack);每次加入新项时,与前面的项的price相比,其span加上较小price的项的span,再pop掉相等或较小price的项,直到price大于当天的price,停止pop并把新项加入。

讲得比较绕口,举个例子:
比如依次添加的price为:[100, 80, 60, 70, 60, 75, 85]
则栈中的结构体依次为:(每个元素表示{price, span})
[{100, 1}]
[{100, 1}, {80, 1}]
[{100, 1}, {80, 1}, {60, 1}]
[{100, 1}, {80, 1}, {70, 2}] 注:插入70时发现60比较小,于是删掉60,且span=1+1=2
[{100, 1}, {80, 1}, {70, 2}, {60, 1}]
[{100, 1}, {80, 1}, {75, 4}] 注:插入75时发现60和70都比较小,于是删掉它们,且span=1+1+2=4
[{100, 1}, {85, 6}] 注:插入85时发现75和80都比较小,于是删掉它们,且span=1+4+1=6

c++代码

class StockSpanner {
public:StockSpanner() {}int next(int price) {node n;n.last_price = price;n.span = 1;while(!spans.empty()){// 看一下原来栈中的最后一项node back = spans.back();// 比较其priceif(back.last_price <= price){n.span += back.span;spans.pop_back();}else break;}spans.push_back(n);return n.span;}
private:// 定义一个表示一天价格项的结构体struct node{int last_price;int span;};vector<node> spans;
};

这篇关于Online Stock Span 库存价格持续时间计算 #算法#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!



http://www.chinasem.cn/article/243305

相关文章

Python实现精确小数计算的完全指南

《Python实现精确小数计算的完全指南》在金融计算、科学实验和工程领域,浮点数精度问题一直是开发者面临的重大挑战,本文将深入解析Python精确小数计算技术体系,感兴趣的小伙伴可以了解一下... 目录引言:小数精度问题的核心挑战一、浮点数精度问题分析1.1 浮点数精度陷阱1.2 浮点数误差来源二、基础解决

Python文本相似度计算的方法大全

《Python文本相似度计算的方法大全》文本相似度是指两个文本在内容、结构或语义上的相近程度,通常用0到1之间的数值表示,0表示完全不同,1表示完全相同,本文将深入解析多种文本相似度计算方法,帮助您选... 目录前言什么是文本相似度?1. Levenshtein 距离(编辑距离)核心公式实现示例2. Jac

Python中经纬度距离计算的实现方式

《Python中经纬度距离计算的实现方式》文章介绍Python中计算经纬度距离的方法及中国加密坐标系转换工具,主要方法包括geopy(Vincenty/Karney)、Haversine、pyproj... 目录一、基本方法1. 使用geopy库(推荐)2. 手动实现 Haversine 公式3. 使用py

Java中的雪花算法Snowflake解析与实践技巧

《Java中的雪花算法Snowflake解析与实践技巧》本文解析了雪花算法的原理、Java实现及生产实践,涵盖ID结构、位运算技巧、时钟回拨处理、WorkerId分配等关键点,并探讨了百度UidGen... 目录一、雪花算法核心原理1.1 算法起源1.2 ID结构详解1.3 核心特性二、Java实现解析2.

Python并行处理实战之如何使用ProcessPoolExecutor加速计算

《Python并行处理实战之如何使用ProcessPoolExecutor加速计算》Python提供了多种并行处理的方式,其中concurrent.futures模块的ProcessPoolExecu... 目录简介完整代码示例代码解释1. 导入必要的模块2. 定义处理函数3. 主函数4. 生成数字列表5.

Java计算经纬度距离的示例代码

《Java计算经纬度距离的示例代码》在Java中计算两个经纬度之间的距离,可以使用多种方法(代码示例均返回米为单位),文中整理了常用的5种方法,感兴趣的小伙伴可以了解一下... 目录1. Haversine公式(中等精度,推荐通用场景)2. 球面余弦定理(简单但精度较低)3. Vincenty公式(高精度,

使用雪花算法产生id导致前端精度缺失问题解决方案

《使用雪花算法产生id导致前端精度缺失问题解决方案》雪花算法由Twitter提出,设计目的是生成唯一的、递增的ID,下面:本文主要介绍使用雪花算法产生id导致前端精度缺失问题的解决方案,文中通过代... 目录一、问题根源二、解决方案1. 全局配置Jackson序列化规则2. 实体类必须使用Long封装类3.

Springboot实现推荐系统的协同过滤算法

《Springboot实现推荐系统的协同过滤算法》协同过滤算法是一种在推荐系统中广泛使用的算法,用于预测用户对物品(如商品、电影、音乐等)的偏好,从而实现个性化推荐,下面给大家介绍Springboot... 目录前言基本原理 算法分类 计算方法应用场景 代码实现 前言协同过滤算法(Collaborativ

windows和Linux使用命令行计算文件的MD5值

《windows和Linux使用命令行计算文件的MD5值》在Windows和Linux系统中,您可以使用命令行(终端或命令提示符)来计算文件的MD5值,文章介绍了在Windows和Linux/macO... 目录在Windows上:在linux或MACOS上:总结在Windows上:可以使用certuti

openCV中KNN算法的实现

《openCV中KNN算法的实现》KNN算法是一种简单且常用的分类算法,本文主要介绍了openCV中KNN算法的实现,文中通过示例代码介绍的非常详细,对大家的学习或者工作具有一定的参考学习价值,需要的... 目录KNN算法流程使用OpenCV实现KNNOpenCV 是一个开源的跨平台计算机视觉库,它提供了各