下面是两个函数的完整代码，包含详细注释、函数含义和物理意义解释。这两个函数分别用于：

✅ 1. dailyTemperatures(temperatures) 功能：

计算每一天之后需要等待多少天才能遇到一个更温暖的天气（即温度更高的日子）。

物理意义：

这是一个经典的 “每日温度”问题，模拟了现实生活中人们关心“明天是否更热”的问题。它也可以被看作是一个 “下一个更大元素” 的变种问题。

实现方式：

使用了一个 栈（stack） 来保存温度的索引，通过从后往前遍历数组的方式，维护一个单调递增的栈结构。

✅ 2. sliding_window_max(nums, k=3) 功能：

找出每个大小为 k 的滑动窗口中的最大值。

物理意义：

这是数据流中常见的处理任务，例如监控系统每5分钟取一次CPU占用率的最大值、股票价格波动分析等场景。它是典型的 滑动窗口最大值问题。

实现方式：

使用了一个 单调队列（Monotonic Queue） 来维护当前窗口中可能成为最大值的元素索引。这个队列始终保持递减顺序。

def dailyTemperatures(temperatures):
    """
    计算每天之后需要等待多少天才会有更高温度。

    参数：
        temperatures (List[int]): 温度列表，表示每天的温度

    返回：
        List[int]: 每个位置i的答案表示在第i天之后要等几天才能遇到更高温度；
                   如果之后没有更高温度，则对应结果为0。

    物理意义：
        解决“下一个更高温度”的问题，常用于天气预报或类似序列分析。
        使用栈维护“尚未找到更高温度”的日期索引，实现O(n)时间复杂度。
    """
    n = len(temperatures)
    sk = []          # 栈，保存的是索引
    ans = [0] * n    # 答案数组

    # 从后往前遍历
    for i in range(n - 1, -1, -1):
        # 如果当前温度 >= 栈顶温度，弹出栈顶（说明这些天不会是答案）
        while sk and temperatures[i] >= temperatures[sk[-1]]:
            sk.pop()

        if sk:
            # 栈顶是第一个比当前温度高的日子
            ans[i] = sk[-1] - i
        else:
            ans[i] = 0

        sk.append(i)  # 把当前索引压入栈

    return ans


# 示例测试
temps = [73, 74, 75, 71, 69, 72, 76, 73]
print("每日温度问题结果：", dailyTemperatures(temps))
# 输出: [1, 1, 4, 2, 1, 1, 0, 0]


def sliding_window_max(nums, k=3):
    """
    找出每个大小为k的滑动窗口中的最大值。

    参数：
        nums (List[int]): 整数数组
        k (int): 滑动窗口大小，默认为3

    返回：
        List[int]: 每个窗口内的最大值组成的列表

    物理意义：
        常见于实时数据分析、信号处理、金融数据统计等领域。
        使用“单调队列”思想优化查找过程，避免暴力枚举，提升效率到O(n)。

    实现思路：
        - 维护一个双端队列 dq，保存的是元素索引，且这些索引对应的值保持递减顺序。
        - 队首始终是当前窗口最大值的索引。
        - 当窗口滑动时，移除过期索引和不合适的候选值。
    """
    if not nums or k <= 0:
        return []

    n = len(nums)
    result = []
    dq = []  # 用普通列表模拟双端队列，保存索引

    for i in range(n):
        # 移除超出窗口范围的索引（只检查队首）
        while dq and dq[0] < i - k + 1:
            dq.pop(0)  # 模拟 popleft()

        # 移除比当前元素小的所有元素（保持单调递减）
        while dq and nums[dq[-1]] < nums[i]:
            dq.pop()

        # 将当前元素索引加入队列
        dq.append(i)

        # 当窗口长度达到k时，记录当前最大值
        if i >= k - 1:
            result.append(nums[dq[0]])

    return result


# 示例测试
a = [1, 3, -1, 5, 3, 6, 7]
k = 3
print("滑动窗口最大值问题结果：", sliding_window_max(a, k))
# 输出: [3, 5, 5, 6, 7]

—— 本文来自火龙信奥（义乌睿码科技）：义乌青少年信息学奥赛与编程教育平台，专注 CSP-J/S、NOIP、GESP 竞赛培训，线上线下融合教学，助力编程升学。网址：hlcoding.com