346. 数据流中的移动平均值 🔒
346. 数据流中的移动平均值 🔒
🟢 🔖 设计
队列
数组
数据流
🔗 力扣
LeetCode
题目
Given a stream of integers and a window size, calculate the moving average of all integers in the sliding window.
Implement the MovingAverage
class:
MovingAverage(int size)
Initializes the object with the size of the window size.double next(int val)
Returns the moving average of the last size values of the stream.
Example:
Input
["MovingAverage", "next", "next", "next", "next"]
[[3], [1], [10], [3], [5]]
Output
[null, 1.0, 5.5, 4.66667, 6.0]
Explanation
MovingAverage movingAverage = new MovingAverage(3);
movingAverage.next(1); // return 1.0 = 1 / 1
movingAverage.next(10); // return 5.5 = (1 + 10) / 2
movingAverage.next(3); // return 4.66667 = (1 + 10 + 3) / 3
movingAverage.next(5); // return 6.0 = (10 + 3 + 5) / 3
Constraints:
1 <= size <= 1000
-10^5 <= val <= 10^5
- At most
10^4
calls will be made to next.
题目大意
给定一个整数数据流和一个窗口大小,根据该滑动窗口的大小,计算其所有整数的移动平均值。
实现 MovingAverage
类:
MovingAverage(int size)
用窗口大小初始化对象。double next(int val)
返回流的最后一个大小值的移动平均值。
解题思路
这道题可以使用队列来做,用一个队列记录数字,用一个变量记录窗口和,每次更新窗口和。
使用队列:
- 为了维护窗口内的数值,可以使用一个队列(数组)来存储最新的
size
个数值。 - 每次调用
next(val)
方法时,将新的数值添加到队列中。如果队列的长度超过指定的size
,则移除队列中最旧的数值,以保持队列的长度不超过size
。
- 为了维护窗口内的数值,可以使用一个队列(数组)来存储最新的
维护总和:
- 为了快速计算平均值,可以维护一个
sum
变量,记录当前窗口内所有数值的和。 - 当添加新的数值时,更新
sum
:- 如果队列未满,将新数值直接添加到队列中,并将其值加到
sum
。 - 如果队列已满,首先从
sum
中减去队列中最旧的数值(即shift
操作),然后再将新数值添加到队列中,并将其值加到sum
。
- 如果队列未满,将新数值直接添加到队列中,并将其值加到
- 为了快速计算平均值,可以维护一个
计算平均值:
- 返回当前
sum
除以队列的长度,即为当前窗口的平均值。
- 返回当前
复杂度分析
时间复杂度:
O(n)
,其中n
是queue
数组的最大长度。- 当队列未满时,只需执行
push
操作,时间复杂度为O(1)
。 - 当队列已满时,需先执行
shift
(删除队列的第一个元素)和push
(添加新元素),其中shift
操作的时间复杂度为O(n)
(因为需要移动数组中的元素)。因此,在最坏情况下,next
方法的时间复杂度为O(n)
。 - 因此,整体的时间复杂度为
O(n)
。
- 当队列未满时,只需执行
空间复杂度:
O(n)
,queue
数组最大需要O(n)
的空间。
代码
class MovingAverage {
constructor(size) {
this.size = size;
this.queue = [];
this.sum = 0;
}
next(val) {
if (this.queue.length < this.size) {
this.queue.push(val);
this.sum += val;
} else {
this.sum -= this.queue.shift();
this.queue.push(val);
}
return this.sum / this.queue.length;
}
}