其他系列文章导航

Java基础合集
数据结构与算法合集

设计模式合集

多线程合集

分布式合集

ES合集

---

文章目录

其他系列文章导航

文章目录

前言

一、题目描述

二、题解

2.1 方法一：滑动窗口

2.2 滑动窗口解题模板

三、代码

3.1 方法一：滑动窗口

四、复杂度分析

4.1 方法一：滑动窗口

---

前言

这是力扣的 1493 题，难度为中等，解题方案有很多种，本文讲解我认为最奇妙的一种。

又又又是一道滑动窗口的典型例题，可以帮助我们巩固滑动窗口算法。

这道题很活灵活现，需要加深对题意的变相理解。

---

一、题目描述

给你一个二进制数组 nums ，你需要从中删掉一个元素。

请你在删掉元素的结果数组中，返回最长的且只包含 1 的非空子数组的长度。

如果不存在这样的子数组，请返回 0 。

提示 1：

输入：nums = [1,1,0,1]
输出：3
解释：删掉位置 2 的数后，[1,1,1] 包含 3 个 1 。

示例 2：

输入：nums = [0,1,1,1,0,1,1,0,1]
输出：5
解释：删掉位置 4 的数字后，[0,1,1,1,1,1,0,1] 的最长全 1 子数组为 [1,1,1,1,1] 。

示例 3：

输入：nums = [1,1,1]
输出：2
解释：你必须要删除一个元素。

提示：

• 1 <= nums.length <= 105
• nums[i] 要么是 0 要么是 1 。

---

二、题解

2.1 方法一：滑动窗口

思路与算法：

重点：题意转换。把「 返回最长的且只包含 1 的非空子数组的长度 」转换为 「 返回最长带有一个 0 的非空子数组的长度 - 1 」。

经过上面的题意转换，我们可知本题是求最大连续子区间，可以使用滑动窗口方法。滑动窗口的限制条件是：窗口内最多有 1 个 0。

可以使用我多次分享的滑动窗口模板解决，模板在代码之后。

再次申明模板很重要，可以解决一些列的题目。

首先定义四个变量：

1. 左指针
2. 右指针
3. 最长的子串长度
4. 0 的数量

代码思路：

1. 使用 left 和 right 两个指针，分别指向滑动窗口的左右边界。
2. right 主动右移：right 指针每次移动一步。当 nums[right] 为 0，说明滑动窗口内增加了一个 0；
3. left 被动右移：判断此时窗口内 0 的个数，如果超过了 K，则 left 指针被迫右移，直至窗口内的 0 的个数小于等于 K 为止。
4. 滑动窗口长度的最大值就是所求。记得最后要减去 1 ，因为子数组里还多了一个 0 。

 

2.2 滑动窗口解题模板

滑动窗口算法是一种常用的算法，用于解决数组或列表中的子数组问题。下面是一个滑动窗口算法的解题模板：

1. 定义窗口大小：首先需要确定滑动窗口的大小，即每次滑动时包含的元素个数。
2. 初始化窗口：将窗口的起始位置设置为0，窗口大小设置为n，其中n为数组或列表的长度。
3. 计算窗口中的元素和：使用一个变量sum来记录当前窗口中的元素和，初始值为0。
4. 移动窗口：从左到右依次遍历数组或列表，每次将当前元素加入窗口中，并更新sum的值。
5. 判断是否满足条件：在移动窗口的过程中，不断判断当前窗口中的元素和是否满足题目要求。如果满足条件，则返回当前窗口中的元素和。
6. 移动窗口：如果当前窗口中的元素和不满足题目要求，则将窗口向右移动一位，并更新sum的值。
7. 重复步骤4-6，直到遍历完整个数组或列表。

下面是一个具体的例子，使用滑动窗口算法求解数组中连续子数组的最大和：

def maxSubArray(nums):  if not nums:  return 0  max_sum = current_sum = nums[0]  for i in range(1, len(nums)):  current_sum = max(nums[i], current_sum + nums[i])  max_sum = max(max_sum, current_sum)  return max_sum

在这个例子中，我们使用一个变量max_sum来记录当前最大子数组的和，一个变量current_sum来记录当前窗口中的元素和。在遍历数组的过程中，不断更新current_sum的值，并判断是否满足题目要求。如果满足条件，则更新max_sum的值。最后返回max_sum即可。

---

三、代码

3.1 方法一：滑动窗口

Java版本：

class Solution {public int longestSubarray(int[] nums) {int left = 0, right = 0, zero = 0, longestSubarray = 0, n = nums.length;while (right < n) {if (nums[right] == 0) zero++;if (zero > 1) {left++;if (nums[left - 1] == 0) zero--;}if (zero == 1 || right == n - 1) {longestSubarray = Math.max(longestSubarray, right - left + 1);}right++;}return longestSubarray - 1;}
}

C++版本：

class Solution {
public:int longestSubarray(vector<int>& nums) {int left = 0, right = 0, zero = 0, longestSubarray = 0, n = nums.size();while (right < n) {if (nums[right] == 0) zero++;if (zero > 1) {left++;if (nums[left - 1] == 0) zero--;}if (zero == 1 || right == n - 1) {longestSubarray = max(longestSubarray, right - left + 1);}right++;}return longestSubarray - 1;}
};

Python版本：

class Solution:def longestSubarray(self, nums: List[int]) -> int:left = 0right = 0zero = 0longestSubarray = 0n = len(nums)while right < n:if nums[right] == 0:zero += 1if zero > 1:left += 1if nums[left - 1] == 0:zero -= 1if zero == 1 or right == n - 1:longestSubarray = max(longestSubarray, right - left + 1)right += 1return longestSubarray - 1

Go版本： 

func longestSubarray(nums []int) int {left := 0right := 0zero := 0longestSubarray := 0n := len(nums)for right < n {if nums[right] == 0 {zero++}if zero > 1 {left++if nums[left-1] == 0 {zero--}}if zero == 1 || right == n-1 {longestSubarray = max(longestSubarray, right-left+1)}right++}return longestSubarray - 1
}func max(a, b int) int {if a > b {return a}return b
}

---

四、复杂度分析

4.1 方法一：滑动窗口

• 时间复杂度：O(N)，因为每个元素只遍历了一次。
• 空间复杂度：O(1)，因为使用了常数个空间。

---