数组

题目要求 给你一个数组 prices，其中 prices[i] 表示第 i 天的股票价格。 你只能完成一次交易： 选择某一天买入一支股票 选择未来某一天卖出这支股票 返回能获得的最大利润。如果无法盈利，返回 0。 输入输出 输入：prices: List[int] 输出：最大利润 int 只能买一次、卖一次。 买入日必须早于卖出日。 可以选择不交易，此时利润是 0。 示例 输入：prices = [7,1,5,3,6,4] 输出：5 最优做法是在价格为 1 时买入，在价格为 6 时卖出，利润是 6 - 1 = 5。 输入：prices = [7,6,4,3,1] 输出：0 价格一直下降，任何买入后再卖出都会亏钱，所以返回 0。 约束 1 <= prices.length <= 10^5 0 <= prices[i] <= 10^4 Step 1：先固定买卖顺序 先看这个例子： prices = [7,1,5,3,6,4] 如果只看价格差，最大利润来自： 1 -> 6 profit = 5 这是合法的，因为价格 1 出现在价格 6 之前。 ...

题目要求 给你一个整数数组 nums。 你一开始站在下标 0。nums[i] 表示从位置 i 最多可以向右跳多少步。 题目要求判断：能不能到达最后一个下标。 输入输出 输入：nums: List[int] 输出：bool 从下标 0 出发。 每个位置的数字表示最大跳跃长度，不是必须跳这么远。 只需要判断能否到达最后一个下标，不需要返回具体路径。 示例 输入：nums = [2,3,1,1,4] 输出：true 一种跳法是： 0 -> 1 -> 4 从下标 0 可以跳到下标 1，再从下标 1 跳到最后一个下标。 输入：nums = [3,2,1,0,4] 输出：false 无论怎么跳，都会被下标 3 的 0 卡住，无法到达最后一个下标 4。 约束 1 <= nums.length <= 10^4 0 <= nums[i] <= 10^5 Step 1：不要先猜路径，先看覆盖范围 先看失败样例： nums = [3,2,1,0,4] 从下标 0 最多可以跳到下标 3。 看起来选择很多： 0 -> 1 0 -> 2 0 -> 3 当前 baseline 是： ...

副标题 / 摘要 “顺时针螺旋遍历”看似只是打印顺序，实则考验你对边界与循环不变量的掌控。本文用 ACERS 结构给出可直接复用的边界收缩模板，并给出多语言可运行实现。 预计阅读时长：12~15 分钟 标签：Hot100、矩阵、模拟、边界收缩 SEO 关键词：Hot100, Spiral Matrix, 螺旋矩阵, 顺时针螺旋遍历, 边界收缩, LeetCode 54 元描述：用边界收缩法输出矩阵的顺时针螺旋序列，包含推导、工程场景、复杂度对比与多语言代码。 目标读者 正在刷 Hot100、想把“矩阵模拟题”沉淀成模板的同学 对边界条件容易写错、希望提升代码稳健性的中级开发者 做可视化/栅格数据处理/网格路径相关任务的工程师 背景 / 动机 矩阵类题目最容易“写得出来，但写不对”： 多一层循环、多一个边界判断，就可能在单行/单列、奇偶层数时出错或重复输出。 螺旋遍历是一个很好的训练题：它逼你把 循环不变量（哪些行列还没被处理）和 边界收缩（每处理完一条边就把边界往里缩）描述清楚，代码才能既短又不炸。 核心概念 边界（Boundaries）：用 top/bottom/left/right 表示当前还未处理的矩形外框 层（Layer）：每次循环处理一圈外框（上边、右边、下边、左边） 收缩（Shrink）：每处理完一条边就移动对应边界：top++、right--、bottom--、left++ 循环不变量：始终保证未输出区域是 top..bottom × left..right A — Algorithm（题目与算法） 题目还原 给你一个 m 行 n 列的矩阵 matrix，请按照 顺时针螺旋顺序，返回矩阵中的所有元素。 输入输出 名称 类型 描述 matrix int[][] m × n 的矩阵 返回 int[] 按顺时针螺旋顺序输出的所有元素 示例 1（自拟） matrix = [ [1, 2, 3], [4, 5, 6], [7, 8, 9] ] 输出: [1, 2, 3, 6, 9, 8, 7, 4, 5] 示例 2（自拟） matrix = [ [ 1, 2, 3, 4], [ 5, 6, 7, 8], [ 9, 10, 11, 12] ] 输出: [1, 2, 3, 4, 8, 12, 11, 10, 9, 5, 6, 7] C — Concepts（核心思想） 思路推导：从“标记访问”到“边界收缩” 朴素思路：方向数组 + visited 标记 从 (0,0) 出发按右/下/左/上转向；走到越界或已访问就转向。 ...

副标题 / 摘要 “矩阵置零”是典型的二维标记传播问题：某个位置为 0，会影响整行整列。本文用 ACERS 结构讲清楚为什么不能直接改、如何用首行首列做标记实现原地 O(1) 额外空间，并给出多语言可运行代码。 预计阅读时长：12~15 分钟 标签：矩阵、原地算法、标记位 SEO 关键词：矩阵置零, 原地 O(1) 空间, 首行首列标记, LeetCode 73 元描述：用首行首列作标记位，原地将含 0 的行与列全部置零；包含推导、复杂度对比、工程迁移与多语言实现。 目标读者 刷 LeetCode，想把“二维数组原地技巧”沉淀成稳定模板的同学 需要在工程里做二维网格/表格/矩阵数据清洗与传播标记的开发者 对空间优化敏感（嵌入式、性能场景、内存受限）的工程师 背景 / 动机 二维数据在工程里到处都是：表格、图像、传感器网格、关联矩阵…… “某个单元格触发规则 -> 影响整行整列”这种联动，本质就是 行列传播（row/col propagation）。 这题额外要求“原地”，逼你掌握一个非常通用的技巧：用数据结构本身的某些位置当作标记位，避免额外内存。 核心概念 传播标记：发现 0 后，不是立刻改整行整列，而是先记录“哪些行/列要被清零” 原地（in-place）：只允许 O(1) 额外空间（不算输入矩阵本身） 标记位复用：把 matrix[0][j] 当作“第 j 列要清零”的标记，把 matrix[i][0] 当作“第 i 行要清零”的标记 首行/首列特判：首行/首列既是数据又是标记位，因此需要单独用两个布尔量记录它们是否本来就该清零 A — Algorithm（题目与算法） 题目还原 给定一个 m x n 矩阵 matrix：如果某个元素为 0，则将该元素所在的 整行 与 整列 的所有元素都设置为 0。 要求 原地修改 matrix（通常不需要返回值）。 ...

副标题 / 摘要 缺失的第一个正数是经典的“原地哈希/索引定位”题：把值放回它应该在的位置，再线性扫描即可找到答案。本文按 ACERS 拆解思路、工程应用与多语言实现。 预计阅读时长：12~15 分钟 标签：Hot100、数组、原地哈希 SEO 关键词：First Missing Positive, 缺失的第一个正数, 原地哈希, 索引映射, O(n) 元描述：O(n) 时间、O(1) 额外空间的原地索引定位解法，含工程场景与多语言代码。 目标读者 正在刷 Hot100 的学习者 想掌握“原地索引定位”模板的中级开发者 需要在原数组内做高效重排与定位的工程师 背景 / 动机 “找最小缺失正数”本质是一个定位问题： 如果能把值 x 放在索引 x-1 上，那么答案就是第一个不匹配的位置。 题目还要求 O(n) 时间和 O(1) 额外空间，逼迫我们放弃排序与哈希表， 转而使用原地置换的技巧。 核心概念 概念 含义 作用 原地哈希 用数组下标充当哈希桶 O(1) 额外空间 索引定位 值 x 应放到 x-1 构造可扫描的结构 置换交换 不断交换直到就位 线性时间完成 A — Algorithm（题目与算法） 题目还原 给你一个未排序的整数数组 nums，找出其中没有出现的最小正整数。 请实现 O(n) 时间复杂度并且只使用 常数级别额外空间的解决方案。 输入输出 名称 类型 描述 nums int[] 未排序整数数组 返回 int 最小缺失的正整数 示例 1（官方） 输入: nums = [1,2,0] 输出: 3 示例 2（官方） 输入: nums = [3,4,-1,1] 输出: 2 思路概览 对每个位置 i，把 nums[i] 放到它应该去的位置 nums[i]-1。 完成“就位”后，从左到右找到第一个 nums[i] != i+1 的位置。 该位置对应的正整数 i+1 即为答案；若全部匹配则答案为 n+1。 C — Concepts（核心思想） 关键模型 值 x 应该放在索引 x-1 方法归类 原地哈希（Index-as-Hash） 数组置换 / 位置归位 线性扫描验证 不变量 当置换结束时： 如果 nums[i] == i+1，说明正整数 i+1 存在； 第一个不匹配的 i，就是最小缺失正整数的位置。 ...

副标题 / 摘要 除自身以外数组的乘积是典型的前后缀乘积题：不使用除法，在 O(n) 时间内完成。本文按 ACERS 结构拆解题意与算法，并给出工程迁移场景与多语言实现。 预计阅读时长：10~12 分钟 标签：Hot100、数组、前缀乘积 SEO 关键词：Product of Array Except Self, 除自身以外数组的乘积, 前缀乘积, 后缀乘积, O(n) 元描述：用前后缀乘积在 O(n) 时间内解决除自身以外数组的乘积问题，含工程场景与多语言代码。 目标读者 正在刷 Hot100 的学习者 想掌握“前后缀乘积”模型的中级开发者 需要做序列因子组合与乘积聚合的工程师 背景 / 动机 很多业务需要“排除自身的整体乘积”： 例如组合指标、冗余度评估、批量权重计算等。 若直接对每个位置做一次全数组相乘，复杂度会退化为 O(n^2)； 而题目还明确禁止使用除法，因此必须依赖前后缀乘积的线性解法。 核心概念 前缀乘积：prefix[i] = nums[0] * ... * nums[i-1] 后缀乘积：suffix[i] = nums[i+1] * ... * nums[n-1] 无除法：只允许乘法与遍历 空间优化：用结果数组承载前缀，再用后缀补乘 A — Algorithm（题目与算法） 题目还原 给定一个整数数组 nums，返回数组 answer， 其中 answer[i] 等于 nums 中除了 nums[i] 之外其余各元素的乘积。 题目保证任意元素的前缀/后缀乘积都在 32 位整数范围内。 要求：不使用除法，并在 O(n) 时间内完成。 ...

副标题 / 摘要 轮转数组是典型的数组变换题：把数组整体向右移动 k 位。本文用 ACERS 拆解“三次反转”的核心思路，并给出工程场景迁移与多语言可运行实现。 预计阅读时长：10~12 分钟 标签：Hot100、数组、旋转 SEO 关键词：Rotate Array, 轮转数组, 数组旋转, 反转, O(n) 元描述：三次反转法解决轮转数组，含复杂度对比、工程场景与多语言代码。 目标读者 正在刷 Hot100 的学习者 想掌握“数组原地变换”模板的中级开发者 需要处理时间序列对齐、轮值偏移的工程师 背景 / 动机 轮转数组在工程中非常常见： 轮值排班、时间序列对齐、环形缓冲区、前端轮播等都可以抽象为“整体右移 k 位”。 如果用逐步移动会变成 O(nk)，在数据量稍大时就不可用，因此需要更高效的原地方案。 核心概念 轮转（rotate）：把数组向右移动 k 位，后 k 个元素移到最前 k 取模：k %= n，避免 k 超过数组长度 反转（reverse）：用双指针交换来原地反转区间 原地（in-place）：在原数组上操作，额外空间 O(1) A — Algorithm（题目与算法） 题目还原 给定一个整数数组 nums，将数组中的元素向右轮转 k 个位置，其中 k 是非负数。 输入输出 名称 类型 描述 nums int[] 整数数组 k int 向右轮转步数 返回 int[] 轮转后的数组 示例 1（官方） 输入: nums = [1,2,3,4,5,6,7], k = 3 输出: [5,6,7,1,2,3,4] 示例 2（官方） 输入: nums = [-1,-100,3,99], k = 2 输出: [3,99,-1,-100] C — Concepts（核心思想） 关键思路：三次反转 反转整个数组 反转前 k 个 反转后 n-k 个 反转后的位置关系刚好等价于右移 k 位。 ...

副标题 / 摘要 接雨水是最经典的“区间高度约束”题。本文按 ACERS 模板讲清双指针思路、关键公式与工程迁移，并提供多语言可运行实现。 预计阅读时长：12~15 分钟 标签：Hot100、双指针、数组 SEO 关键词：Trapping Rain Water, 接雨水, 双指针, 前后最大值, O(n) 元描述：双指针 O(n) 求接雨水总量，含工程场景、复杂度分析与多语言代码。 目标读者 正在刷 Hot100 的学习者 需要掌握“左右边界约束”模板的中级开发者 处理地形/容量/水位等区间分析的工程师 背景 / 动机 接雨水问题本质是“每个位置能盛多少水”，与工程中的容量评估、缓冲区盈余、资源占用上限等模型高度相似。 朴素做法每个位置都向两侧找最高，复杂度 O(n^2)。 双指针与前后最大值可以把复杂度降到 O(n)。 核心概念 局部水位：water[i] = min(maxLeft[i], maxRight[i]) - height[i] 左右边界：当前位置两侧的最高柱子决定水位上限 双指针：用左/右指针同步维护左右最大值 A — Algorithm（题目与算法） 题目还原 给定 n 个非负整数表示每个宽度为 1 的柱子的高度，计算按此排列的柱子能接多少雨水。 输入输出 名称 类型 描述 height int[] 柱子高度数组 返回 int 能接住的雨水总量 示例 1（官方） height = [0,1,0,2,1,0,1,3,2,1,2,1] 输出 = 6 示例 2（官方） height = [4,2,0,3,2,5] 输出 = 9 C — Concepts（核心思想） 关键公式 对任意位置 i： ...

副标题 / 摘要 固定间距 1 检测是典型的“事件间距校验”模型。本文按 ACERS 结构拆解题意、原理与工程迁移，并给出多语言可运行实现。 预计阅读时长：10~12 分钟 标签：数组、双指针、事件间距 SEO 关键词：固定间距 1 检测, 事件间距, LeetCode 1437, O(n) 元描述：一次扫描判断所有 1 是否至少相隔 k 个位置，含工程场景、复杂度对比与多语言代码。 目标读者 刷 LeetCode 并希望沉淀“模板题”的学习者 做监控/风控/行为分析的工程师 需要判断事件间隔是否合规的系统开发者 背景 / 动机 许多系统都有“事件不能过密”的约束：例如登录失败、报警事件、敏感操作、API 调用等。 这类问题的本质是 “事件间距是否满足阈值”，与该题完全等价。 如果能用 O(n) 一次扫描完成校验，就能直接迁移到实时系统。 核心概念 事件间距：两个事件之间至少有 k 个“空位” 在线校验：只记住上一次事件的位置即可 边界处理：初始化 last = -k-1，消除首个事件特判 A — Algorithm（题目与算法） 题目还原 给定整数数组 nums 与整数 k，若任意两个 1 之间至少有 k 个 0（等价于两次 1 的索引差 > k），返回 true，否则返回 false。 输入输出 名称 类型 描述 nums int[] 仅包含 0/1 的数组 k int 需要的最小间隔 返回 bool 是否满足间距约束 示例 1 nums = [1,0,0,0,1,0,0,1], k = 2 输出: true 示例 2 nums = [1,0,1], k = 2 输出: false C — Concepts（核心思想） 关键观察 只需要记住 上一个 1 的索引 last 当遇到新的 1：若 i - last <= k，说明间隔不足 否则更新 last = i 方法归类 单次线性扫描（One-pass Scan） 事件间距校验（Event Spacing Check） 双指针 / 贪心（Greedy with last pointer） 数学表达 若 i 和 j 是两个 1 的索引（i < j），要求： ...

副标题 / 摘要 滑动窗口最大值是“滑动窗口 + 单调队列”的经典组合题。本文按 ACERS 模板拆解思路，给出可复用的工程做法与多语言实现。 预计阅读时长：12~15 分钟 标签：滑动窗口、单调队列、数组 SEO 关键词：Sliding Window Maximum, 滑动窗口最大值, 单调队列, deque, O(n) 元描述：滑动窗口最大值的单调队列解法与工程应用，含复杂度分析与多语言代码。 目标读者 正在刷 LeetCode / Hot100 的同学 想建立“滑动窗口 + 单调队列”模板的中级开发者 做实时监控、日志分析、风控的工程师 背景 / 动机 连续窗口的最大值在工程里非常常见： 延迟监控、价格波动、温度报警、在线指标平滑等都需要“窗口最大值”。 暴力做法每次窗口重算最大值是 O(nk)，当 n 很大时会不可接受。 单调队列能把复杂度降到 O(n)，是最工程可行的方案之一。 核心概念 滑动窗口：固定长度 k 的连续区间 单调队列：队列中元素按值单调递减，队首永远是当前最大值 索引维护：用索引判断元素是否过期（离开窗口） A — Algorithm（题目与算法） 题目还原 给你一个整数数组 nums，有一个大小为 k 的滑动窗口从数组最左侧移动到最右侧。 你只能看到窗口内的 k 个数字，窗口每次右移一位。 返回每个窗口中的最大值。 输入输出 名称 类型 描述 nums int[] 整数数组 k int 窗口大小 返回 int[] 每个窗口的最大值 示例 1 nums = [1,3,-1,-3,5,3,6,7], k = 3 输出 = [3,3,5,5,6,7] 示例 2 nums = [1], k = 1 输出 = [1] C — Concepts（核心思想） 方法类型 滑动窗口 + 单调队列（Monotonic Queue）。 ...