问题描述
小C是一名股票交易员，最近他关注某只股票的价格波动。给定该股票连续N天的价格列表
stockPrices，你需要为小C生成一个新列表，每个位置的值表示从那天起至少需要等待多少天才能看到价格上涨。如果没有上涨的情况，则对应位置的值为0。 例如，对于股票价格列表[33, 34, 14, 12, 16]，从第一天价格 33 开始，价格上涨发生在第二天价格 34，所以输出 1。若某天之后不再有价格上涨，则输出 0。
思路一
- 最简单的思路是双重遍历，初始化长度为
N，值为0的列表result，首先遍历股票价格列表stockPrices，设索引为i，然后第二重遍历从i+1开始，设索引j，遇到第一个比stockPrices[i]高的价格就记录间隔的天数并退出当前循环。如果没有遇到，那么索引i的值还是0，最后输出result列表
def solution(N: int, stockPrices: list) -> list:
# 初始化长度为N，每个元素值为0的列表
result = [0] * N
# 遍历倒数第二个元素就行，因为最后一个元素没有比它更大的元素了，全部元素遍历也行，就将循环写成for i in range(N)
for i in range(N-1):
# 从索引i的下一个元素开始遍历
for j in range(i+1, N):
# 找到比索引i更大的元素值
if stockPrices[j] > stockPrices[i]:
# result保存内容
result[i] = j - i
break
return result
复杂度
- 时间复杂度: O()
- 空间复杂度: O()
思路二
- 构建一个从栈顶到栈底单调递增的单调栈，栈中保存列表的索引，遍历股票每天价格的过程中，如果栈顶元素在
stockPrices对应的股票价格小于第i天股票的价格stockPrices[i]，那么找到了栈顶元素股票价格的下一个更大值，保存天数间隔，直到遍历整个股票价格列表。 - 拿
stockPrices = [33, 34, 14, 12, 16]，result = [0, 0, 0, 0, 0]，stack = []举例子 - 第一个元素
33，由于栈为空，所以退出while循环，将索引i存入栈中，此时result = [0, 0, 0, 0, 0]，stack = [0] - 第二个元素
34，栈不为空并且栈顶元素0对应的股票价格33小于34，此时将result[0]的值修改成1 - 0，表示33下一个更大的元素值过了1天，并将栈顶元素弹出，保持栈顶到栈底单调递增栈的特点，退出while循环将索引1压入栈中，此时result = [1, 0, 0, 0, 0]，stack = [1] - 第三个元素
14，栈不为空，但栈顶元素对应的股票价格34不小于14，因此直接退出while循环，将索引2压入栈中，此时result = [1, 0, 0, 0, 0]，stack = [1，2] - 第四个元素
12，栈不为空，但栈顶元素对应的股票价格14不小于12，因此直接退出while循环，将索引3压入栈中，此时result = [1, 0, 0, 0, 0]，stack = [1，2，3] - 第五个元素
16，栈不为空并且栈顶元素对应的股票价格12小于16，此时将result[3]的值修改成4-3，表示12下一个更大的元素值过了1天，并将栈顶元素弹出，保持栈顶到栈底单调递增栈的特点，此时result = [1, 0, 0, 1, 0]，stack = [1, 2]。此时依然符合while循环条件，栈顶不为空并且栈顶元素对应的股票价格14小于16，此时将result[2]的值修改成4-2，表示14下一个更大的元素值过了2天，将栈顶元素弹出，退出while循环，将索引4压入栈中，退出for循环，此时result = [1, 0, 2, 1, 0]，stack = [1, 4]，栈不为空说明索引1和索引4对应的股票价格后面没有更高的价格了，列表result的索引1和索引4的值均为0 - 返回结果
result
def solution(N: int, stockPrices: list) -> list:
# 初始化长度为N，每个元素值为0的列表
result = [0] * N
# 从栈顶到栈底单调递增的单调栈
stack = []
# 遍历所有天数的股票价格
for i in range(N):
# 如果栈不为空并且栈顶元素对应的股票价格小于索引i对应的股票价格，那么栈顶元素对应的股票价格找到下一个更大值
while stack and stockPrices[stack[-1]] < stockPrices[i]:
# 记录栈顶元素对应的股票价格在多少天后价格上涨
result[stack[-1]] = i - stack[-1]
# 弹出栈顶元素
stack.pop()
# 将索引i压入栈中
stack.append(i)
return result
复杂度
- 时间复杂度: O()
- 空间复杂度: O()
