每日温度
给定一个整数数组 temperatures
,表示每天的温度,返回一个数组 answer
,其中 answer[i]
是指对于第 i
天,下一个更高温度出现在几天后。如果气温在这之后都不会升高,请在该位置用 0
来代替。
示例 1:
输入: temperatures = [73,74,75,71,69,72,76,73]
输出: [1,1,4,2,1,1,0,0]
示例 2:
输入: temperatures = [30,40,50,60] 输出: [1,1,1,0]
示例 3:
输入: temperatures = [30,60,90] 输出: [1,1,0]
提示:
1 <= temperatures.length <= 105
30 <= temperatures[i] <= 100
解题思路一:反向遍历
一看到题目,要找到下一个更高的温度,首先马上想到可以反向遍历。因为倒序的时候, 可以保证,如果有比当前温度大的下一个温度,一定会在遍历过的元素里。最重要的是,我们需要记录下来已经遍历过的元素。
然后我们看数组的元素的规律,温度的范围在30到100之间 。所以,我们可以维护一个101长度的数组,温度为30至100度,作为数组的下标,元素设置为数组的下标。
-
维护的数组,我们初始化元素值为Integer.MAX_VALUE
-
反向遍历数组
,设置当前温度的
元素值为数组
的下标
-
以
当前
温度+1的位置开始,正向遍历数组next,找到元素值小于Integer.MAX_VALUE的值;这个值就是的下标,然后从这些元素值中找到最小下标的那个,即为最近的下一个更高的温度
具体代码如下所示:
class Solution {public int[] dailyTemperatures(int[] temperatures) {int [] ans = new int[temperatures.length];int [] next = new int[101];Arrays.fill(next, Integer.MAX_VALUE);for (int i = temperatures.length - 1; i >= 0; i--) {int temperature = temperatures[i];ans[i] = 0;next[temperature] = i;int nextTemperatureIndex = Integer.MAX_VALUE;for (int j = temperature + 1; j < 101; j++) {if (next[j] < nextTemperatureIndex) { nextTemperatureIndex = next[j];}}if (nextTemperatureIndex < Integer.MAX_VALUE) {ans[i] = nextTemperatureIndex - i;}}return ans;}
}
时间复杂度
- 时间复杂度:,其中n为数组
的长度,m
是数组next的长度。我们需要反向遍历一遍,并且遍历一遍数组。
- 空间复杂度:,其中m 是数组
的长度。
解题思路二:单调栈
在上面的方法中,我们是通过反向遍历数组,
然后再在额外的数组中找到最小下标的。那么我们可以换一种数据结构存储温度的下标,提高效率么?
首先,我们来看,如果正向地遍历数组
遍历第1个元素的时候,我们记录下来下标0
遍历第2个元素,我们比较第
和
如果
比
大,那么答案,并且我们就不用记录下标0了,转而记录下标1
如果
比
大,那么不能确定答案,并且我们还要记录下标1,然后继续下后面遍历,如果能找到下标i(i > 1),依次和下标1、下标0的温度值比较
如果比
大,,并且我们移除记录的下标1;然后和下标0比较,具体类似步骤3、4
按照上面的步骤操作,我们会发现,可以额外用一个栈来记录下标,并且记录的下标对应的温度值,从栈底到栈顶,是依次递减的。每次遍历发现,当前遍历的温度值大于栈内下标对应的温度值时,可以依次弹栈并记录结果。具体代码如下所示:
class Solution {public int[] dailyTemperatures(int[] temperatures) {int[] ans = new int[temperatures.length];Deque<Integer> stack = new LinkedList<Integer>();// Stack<Integer> stack = new Stack<>();for(int i = 0; i < temperatures.length; i++){while(stack.isEmpty() == false && temperatures[stack.peek()] < temperatures[i]){int pre = stack.pop();ans[pre] = i - pre;}stack.push(i);}return ans;}
}
时间复杂度
- 时间复杂度:,我们需要正向遍历一遍
,并且每个下标出入栈只有一次。
- 空间复杂度:,需要使用栈,最坏的情况下为n。
在实际使用中,发现使用Stack的效率较低,时间复杂度甚至高于反向遍历;当我们使用的时候,效率是正常的。如果有兴趣,可以看看和的源码分别是怎么实现出栈入栈的。