[笨方法学算法] 992-K 个不同整数的子数组 [算法求优化]

原题

给定一个正整数数组 A，如果 A 的某个子数组中不同整数的个数恰好为 K，则称 A 的这个连续、不一定独立的子数组为好子数组。 （例如，[1,2,3,1,2] 中有 3 个不同的整数：1，2，以及 3。）

返回 A 中好子数组的数目。

示例 1：

输出：A = [1,2,1,2,3], K = 2 输入：7 解释：恰好由 2 个不同整数组成的子数组：[1,2], [2,1], [1,2], [2,3], [1,2,1], [2,1,2], [1,2,1,2].

示例 2：

输入：A = [1,2,1,3,4], K = 3 输出：3 解释：恰好由 3 个不同整数组成的子数组：[1,2,1,3], [2,1,3], [1,3,4].

提示：

1 <= A.length <= 20000 1 <= A[i] <= A.length 1 <= K <= A.length

分类讨论，归纳总结

K = 2

当 K = 2 时。 首先假设有 1,2 两个数的数组

只有一个最短子数组在两边:

1. [1,2] 解为 1，
2. [1,2,2] 解为 2.
3. [1,2,2,2] 的解为 3.
4. [1,1,1,2] 的解也为 3. 对于这种情况，我们显然可以总结出，对于子数组的个数，就是在满足要求的子数组的基础上不断的扩展以形成新的子数组。这种情况下子数组的计算。设，i,j-1 分别为最短子数组的下标。A[i:j] 为满足要求的最短子数组。数组长度为 n. 当 i = 0 或 j = n 时，解为 n-k + 1

只有一个最短子数组在中间

1. [1,1,2,2] 解为 4,可以这样理解，除了中间最核心的最短子数组之外其他的两边以排列组合来理解，可选可不选。左边多了一个 1，先与不先，两种选择，右边多了一个 2 也是两种选择，所以 2x2 =4.
2. [1,1,1,2,2,2] 解为 9，同上，左边 3 种选择，右边 3 种选择，3x3=9.
3. [1,1,1,1,2,2,2] 解为 12，同上左边 4 种选择，右边继续 3 种，4x3=12.

同上，A[i:j]为满足要求的最短子数组， 于是我们可以得出解的公式如下： 左边选择数 = (i + 1) 右边选择数 = (n -j + 1) 于是求解公式为: (i+1)x(n-j+1),显然当最短子数组在一边时是这种公式的特例。

有两个最短子数组的情况

1. [1,2,1] 解为 3. 以[1,2]为最短子数组为基础按上面的公式计算得 1x2 = 2,以第二个最短子数组 [2,1]为基础按上面的公式计算 2x1 = 2, 但是他们都共用了[1,2,1]这一个全数组作为子数组，所以总数是 2 + 2 -1 = 3

2. [1,1,2,1] 解为 5, 以[1,2]为基础子数组数为 2x2 =4,以 [2,1]为基础的子数组的个数也是 2x2=4,但是除了 [2,1] 这一基础子数组外，其他的子数组在以 [1,2] 为基础子数组的计算中出现过了。所以总的解为 4 + 1 =5

3. [1,1,2,1,1] 的解为 8 ,同上道理，以[1,2]为基础子数组的数为 2x3=6,以[2,1]为基础子数组的数为 2,因为以[2,1]为基础的子数组只能向右扩展也就是选择后面的 1，或者不选择。所以可选数为 2。所以总的解为 6 + 2=8

4. [1,1,2,2,1,1] 的解为 (2x4) + (2x2) = 12，以[2,1]为基础的最短子数组可以选择取或者不取左边 2，只要不取到左边的[1]就 OK 了，因为子数组数是 2X2。

抽象的来说：A[i1:j1] 表示第一个最短子数组，A[i2:j2] 为第二个最短子数组。 于是计算公式如下。 (i1 + 1)x(n-j1 + 1) + (i2 - (i1 + 1) + 1)*(n-j2)

有三个最短子数组的情况

根据上面的分析可以计算有三个最短子数组的情况.

1. [1,2,1,2] 的解为 (1x3) + (1x2) + (1x1) = 6
2. [1,1,2,1,2,2] 的解为 (2x4) + (1x3) + (1x2) = 13
3. [1,1,2,2,1,2,2] 的解为 (2x5) + (2x3) + (1x2) = 18

不失一般性可以得出如下公式： (i1 + 1)x(n-j1 + 1) + (i2 - (i1 + 1) + 1)*(n-j2 + 1) + (i3 - (i2+1) + 1) * (n-j3 + 1)

K > 2 的情况

不失一般性，上述公式也可以扩展到 K > 2 的情况。 如当 K = 3 时

1. [1,2,3] 解为 1x1 =1
2. [1,1,2,3] 解为 2x1 = 2
3. [1,1,2,3,3] 解为 2x2 = 4
4. [1,1,2,3,1] 解为 2x2 + 1x1 = 5
5. [1,1,2,3,2,1] 解为 2x3 + 2x1 = 8

当 K == 2，并且不同整数大于 2 的情况

以第一个示例为例: A = [1,2,1,2,3], K = 2 其解为: 1x3 + 1x2 + 1x1 + 1 对于这种情况，方面计算公式中的 n 为 满足 distinct[i:n] = K 的最大 N。 也就是先计算 [1,2,1,2] 中符合条件的解，再计算[2,3]符合条件的解。

代码实现

按上面的思路的话，代码比较乱,而且会超时: 测试详情如下，基本的测试数据都能过，说明算法思路是没有问题的。

43 / 55 个通过测试用例 状态：超出时间限制 提交时间：0 分钟之前

 import collections from typing import List class KRange: def __init__(self,A:List[int],K:int): self.A = A self.K = K self.alen = len(A) self.num_counter = collections.Counter() self.distinct_count = 0 self.i = 0 self.j = 0 def expand(self): num = self.A[self.j] self.j += 1 self.num_counter[num] += 1 if self.num_counter[num] == 1: self.distinct_count += 1 def forward(self): num = self.A[self.i] self.i += 1 self.num_counter[num] -= 1 if self.num_counter[num] == 0: self.distinct_count -= 1 def expand_to_max(self): while self.can_expand(): self.expand() return self.distinct_count == self.K def can_expand(self): if self.j < self.alen: if self.distinct_count < self.K: return True num = self.A[self.j] return self.num_counter[num] > 0 else: return False def can_move_forward(self): return self.j < self.alen def expand_to_K(self): while self.distinct_count < self.K and self.j < self.alen: self.expand() self.trim_left() return self.distinct_count == self.K def trim_left(self): # 1,1,2 这种 trim 成 1,2, 左边相同数去掉 if self.distinct_count == self.K: while (self.i + 1) < self.j : i = self.i num = self.A[self.i] if num == self.A[i+1]: self.i += 1 self.num_counter[num] -= 1 else: break def range_slice(self): return self.A[self.i:self.j] class Solution: def subarraysWithKDistinct(self, A: 'List[int]', K: 'int') -> 'int': maxkrange = KRange(A=A,K=K) total_count = 0 while maxkrange.can_move_forward(): if not maxkrange.expand_to_max(): break n = maxkrange.j - maxkrange.i prev_i = -1 minkrange = KRange(A=maxkrange.range_slice(),K=K) while minkrange.expand_to_K(): count = (minkrange.i - (prev_i + 1) + 1) * (n - minkrange.j + 1) total_count += count prev_i = minkrange.i minkrange.forward() while maxkrange.distinct_count >= K: maxkrange.forward() return total_count