def solution(n, k, nums): # Edit your code here if n == k: return sum(nums) max_sum = float('-inf') for i in range(n): new_nums = nums[:i] + nums[i + 1:] for j in range(len(new_nums) - k + 1): subarray_sum = sum(new_nums[j:j + k]) max_sum = max(max_sum, subarray_sum) return max_sum if __name__ == "__main__": # Add your test cases here print(solution(5, 3, [2, 1, 3, -1, 4]) == 8)
首先，函数通过 if n == k: 这一条件判断语句来处理一种特殊情况。如果输入的列表 nums 的长度 n 恰好等于要找的子数组长度 k，那么就直接返回整个列表 nums 的元素之和，即 sum(nums)。这是因为在这种情况下，不需要进行任何元素的移除操作，整个列表就是满足条件的唯一子数组。
当 n!= k 时，函数初始化一个变量 max_sum 为负无穷大（float('-inf')），用于记录后续找到的最大子数组和。
一个外层循环 for i in range(n):，这个循环遍历列表 nums 的每一个索引位置。在每次循环中，它会创建一个新的列表 new_nums，这个新列表是通过移除原始列表 nums 中索引为 i 的元素得到的，即 new_nums = nums[:i] + nums[i + 1:]。
对于每个新生成的 new_nums 列表，又通过一个内层循环 for j in range(len(new_nums) - k + 1): 来遍历它的子数组。这个内层循环的终止条件是确保能够取到长度为 k 的子数组。在每次内层循环中，通过 subarray_sum = sum(new_nums[j:j + k]) 计算当前长度为 k 的子数组的元素之和，并通过 max_sum = max(max_sum, subarray_sum) 将这个和与当前记录的最大和 max_sum 进行比较，如果当前和更大，就更新 max_sum 的值。
目前代码的时间复杂度相对较高。外层循环遍历列表 nums 的每一个元素，对于每个元素，内层循环又要遍历剩余元素组成的列表中所有可能的长度为 k 的子数组。整体时间复杂度大致为n的平方，其中 n 是列表 nums 的长度。
小 U手上有一个整数数组，他想知道如果从数组中删除任意一个元素后，能得到的长度为 k 的子数组和的最大值。你能帮小U计算出这个结果吗？
如果数组恰好为 k 个元素，那么不进行删除操作，这个代码完善的回答了这个问题，虽然这个代码的时间复杂度比较高，但是依旧实现了功能，我们可以对代码进行一些优化，降低时间复杂度，优化代码，使代码的健壮性更好。
