题目

请你设计并实现一个能够对其中的值进行跟踪的数据结构，并支持对频率相关查询进行应答。

实现 FrequencyTracker 类：

• FrequencyTracker()：使用一个空数组初始化 FrequencyTracker 对象。
• void add(int number)：添加一个 number 到数据结构中。
• void deleteOne(int number)：从数据结构中删除一个 number 。数据结构 可能不包含 number ，在这种情况下不删除任何内容。
• bool hasFrequency(int frequency): 如果数据结构中存在出现 frequency 次的数字，则返回 true，否则返回 false。

示例 1：

1
2
3
4
5
6
7
8
9
10
11

输入
["FrequencyTracker", "add", "add", "hasFrequency"]
[[], [3], [3], [2]]
输出
[null, null, null, true]

解释
FrequencyTracker frequencyTracker = new FrequencyTracker();
frequencyTracker.add(3); // 数据结构现在包含 [3]
frequencyTracker.add(3); // 数据结构现在包含 [3, 3]
frequencyTracker.hasFrequency(2); // 返回 true ，因为 3 出现 2 次

示例 2：

1
2
3
4
5
6
7
8
9
10
11

输入
["FrequencyTracker", "add", "deleteOne", "hasFrequency"]
[[], [1], [1], [1]]
输出
[null, null, null, false]

解释
FrequencyTracker frequencyTracker = new FrequencyTracker();
frequencyTracker.add(1); // 数据结构现在包含 [1]
frequencyTracker.deleteOne(1); // 数据结构现在为空 []
frequencyTracker.hasFrequency(1); // 返回 false ，因为数据结构为空

示例 3：

1
2
3
4
5
6
7
8
9
10
11

输入
["FrequencyTracker", "hasFrequency", "add", "hasFrequency"]
[[], [2], [3], [1]]
输出
[null, false, null, true]

解释
FrequencyTracker frequencyTracker = new FrequencyTracker();
frequencyTracker.hasFrequency(2); // 返回 false ，因为数据结构为空
frequencyTracker.add(3); // 数据结构现在包含 [3]
frequencyTracker.hasFrequency(1); // 返回 true ，因为 3 出现 1 次

提示：

• 1 <= number <= 105
• 1 <= frequency <= 105
• 最多调用 add、deleteOne 和 hasFrequency 共计 2 * 105 次

思路

由题设可知，题目要求对值进行跟踪，并保留相应的频率。

那么建立哈希表1用于保留对数值的追踪，建立哈希表2以数值为索引，跟踪访问频率。

题目

给你一个整数数组 nums （下标从 0 开始）和一个整数 k 。

一个子数组 (i, j) 的 分数 定义为 min(nums[i], nums[i+1], ..., nums[j]) * (j - i + 1) 。一个 好 子数组的两个端点下标需要满足 i <= k <= j 。

请你返回 好 子数组的最大可能 分数 。

示例 1：

1
2
3

输入：nums = [1,4,3,7,4,5], k = 3
输出：15
解释：最优子数组的左右端点下标是 (1, 5) ，分数为 min(4,3,7,4,5) * (5-1+1) = 3 * 5 = 15 。

示例 2：

1
2
3

输入：nums = [5,5,4,5,4,1,1,1], k = 0
输出：20
解释：最优子数组的左右端点下标是 (0, 4) ，分数为 min(5,5,4,5,4) * (4-0+1) = 4 * 5 = 20 。

提示：

• 1 <= nums.length <= 105
• 1 <= nums[i] <= 2 * 104
• 0 <= k < nums.length

思路

min(nums[i], nums[i+1], ..., nums[j]) * (j - i + 1) 定义式包含两部分一部分是i到j区间上的最小值，另一部分是区间长度。题设要求找到该定义式的最大值，在初始条件下，i=k=j，此时式子的值为num[k] 当i或j向左右移动时，区间最小值将会变化而区间的长度也将会变化。

已知区间最小值是不断变小的，区间长度是不断变大的，那么在一个区间最小值确定的情况下不断的拓宽区间的长度直到区间的左值或右值比当前区间最小值小（即再拓宽会改变区间最小值）此时取得当前最小值下能取得的最大表达式值。

而后继续移动i或者j，在刚才假设的情况下，此时区间最小值将会变化，重复刚才的步骤，将几个区间最小值的最大表达式值进行比较，最终取得整个数组维度上的表达式的最大值。

简单来讲就是，决定木桶能装多少水的不是最长的木板而是最短的那一块。

代码

不想写代码，贴一个。

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18

func maximumScore(nums []int, k int) int {
    n := len(nums)
    left, right := k - 1, k + 1
    ans := 0
    for i := nums[k]; ; i-- {
        for left >= 0 && nums[left] >= i {
            left--
        }
        for right < n && nums[right] >= i {
            right++
        }
        ans = max(ans, (right - left - 1) * i)
        if left == -1 && right == n {
            break
        }
    }
    return ans
}

fyne

fyne包结构划分

fyne将功能划分到多个子包中：

• fyne.io/fyne：提供所有fyne应用程序代码共用的基础定义，包括数据类型和接口；
• fyne.io/fyne/app：提供创建应用程序的 API；
• fyne.io/fyne/canvas：提供Fyne使用的绘制 API；
• fyne.io/fyne/dialog：提供对话框组件；
• fyne.io/fyne/layout：提供多种界面布局；
• fyne.io/fyne/widget：提供多种组件，fyne所有的窗体控件和交互元素都在这个子包中。

head of a go file

1
2
3
4
5
6
7
8

// @program:     ${PROJECT_NAME}
// @file:        ${FILE_NAME}
// @author:      sun sun
// @create:      ${DATE} ${TIME}
// @description: 

package ${GO_PACKAGE_NAME}

给老师们换个大房子

小明一直以来都致力于支持一线老师们的演艺事业，多年来存下来超多的演艺资源。

这也导致老师们纷纷抱怨道，现在的房子太小，太拥挤。于是小明购入了一块4T的硬盘，可是装上硬盘以后坏了。原本4T的硬盘现在只有2T的使用率，完蛋，这个问题不解决的话老师们住哪里?

“pull oneself up by one’s bootstraps”