数组平衡最少移除数：排序与双指针的工程实践

1. 先破题：移除最少到底等价于留下最多

先说题目本身：给一个整数数组 nums 和一个整数 k，定义“平衡数组”为非空数组，且数组中最大值与最小值的比值不超过 k。现在允许从 nums 中移除任意数量的元素，问最少移除多少个，能让剩下的数组变成平衡数组。

我第一次看到这个题，脑子里冒出来的第一个思路是：每次看当前数组的最大值和最小值，如果比值大于 k，就移除其中一个，至于移哪个，看哪个更“极端”就移哪个。这个思路听起来挺合理，但它是个典型的贪心陷阱，后面我会专门举反例。

真正该做的是先把问题换个说法：移除最少，等价于保留最多。假设原数组长度是 n，最多能留下 m 个元素组成一个平衡数组，那么答案就是 n - m。所以这个题的核心从“怎么删”变成了“怎么留”，而且留得越多越好。

这看起来只是语言上的变化，但解题方向完全不同。如果直接想“删哪些”，你面对的是一个组合爆炸的搜索空间；如果改成“留哪些”，你会意识到：一个数组是否平衡，只取决于它的最大值和最小值，跟中间那些元素完全无关。这句话是整个题目的钥匙。

1.1 为什么直接贪心删大值或删小值是错的

举个具体例子：nums = [1, 2, 10, 100]，k = 10。如果按“比值大于 k 就移除当前最大”的贪心策略：

• 第一步，最大值 100，最小值 1，比值 100 > 10，移除 100
• 剩余 [1, 2, 10]，最大值 10，最小值 1，比值 10 <= 10，正好平衡

总共移除 1 个，看起来是对的。但换个例子就会翻车：nums = [2, 4, 9, 100]，k = 5。按同样的策略：

• 最大值 100，最小值 2，比值 50 > 5，移除 100
• 剩余 [2, 4, 9]，最大值 9，最小值 2，比值 4.5 <= 5，平衡

又是移除 1 个，好像还行。但问题是，你凭什么每次只动最大值？如果最大的那个比值超了，可能是因为最小值太小，而不是最大值太大。比如 nums = [1, 100, 101, 102]，k = 2：

• 按“移除最大值”来：最大值 102，最小值 1，比值 102 > 2，移除 102
• 剩余 [1, 100, 101]，最大值 101，最小值 1，比值 101 > 2，继续移除 101
• 剩余 [1, 100]，比值 100 > 2，移除 100
• 剩余 [1]，平衡，这回去了 3 个

但其实最优解是移除 1，留下 [100, 101, 102]，它们三个的最大值 102、最小值 100，比值 1.02 <= 2，只移除 1 个。所以贪心策略在“极端小值拖累整体”的场景下会完全跑偏。

1.2 把“删”倒过来想，问题立刻清晰

一旦把目标改成“最多能留下多少”，我们只需要关心一件事：选一个尽可能大的元素集合，让这个集合里的最大值和最小值满足 max / min <= k。

注意到一个容易被忽略的事实：如果你选了一个集合，它满足条件，那么你把这个集合的最小值和最大值之间的所有元素全部加进来，它依旧满足条件。因为新增的这些元素不会让最小值更小，也不会让最大值更大，比值不会变差。

这意味着，最优解不需要考虑那些弯弯绕绕的“隔一个选一个”的组合，它一定是一段“完整连续”的元素区间。怎么理解“连续”？把数组排个序，然后在这个有序数组上选一个连续的区间，比如 nums[l] 到 nums[r]，其中 l <= r，这个区间里的所有元素就是我们要保留的集合，剩下的全部移除。

所以问题的最终形态变成了：排序后，找最长的连续子数组区间 [l, r]，使得 nums[r] <= k * nums[l]。

这里有一个前提要说明白：原题说的是“从 nums 中移除”，并没有要求剩下的元素必须保持原来的相对顺序，也没有要求剩下的元素在原数组里是连续的一整段。所以我们可以任意挑元素留下来，排序是允许的。如果题目改成“移除后剩下的必须是原数组的连续子数组”，那这题解法就完全不同了，这个我在后面专门讲。

2. 一个关键性质：最优保留集在排序后必然是连续区间

上一节我直接抛出了“排序后找连续区间”这个结论，这里认真证明一下，因为它不是显然的。

假设我们有一个平衡集合 S，它里面的最小值是 mn，最大值是 mx，满足 mx / mn <= k。现在任取一个数 x，如果 mn <= x <= mx，那么把 x 加进 S，新集合的最小值还是 mn，最大值还是 mx，所以新集合依然是平衡的。

这说明什么？说明一个平衡集合如果“中间有空缺”，我们可以把空缺补上，集合只会变大，不会坏事。所以最优解一定是一个“填满的”集合：它包含最小值到最大值之间的所有候选元素。把数组排序之后，这个集合天然就是一段连续的区间。

反过来说，如果排序后某段连续区间满足 区间最大值 <= k * 区间最小值，那这段区间本身就是一个平衡集合。于是“找最大的平衡集合”和“找最长的满足条件的排序连续区间”完全等价。

这个性质极大缩小了搜索范围。如果不排序，直接在原数组上随便选子集，那最多要考虑 2^n 种情况；排序之后，只需要从 n 个起点、n 个终点里找一对最优的左右端点，直接变成 O(n^2) 可以解决的问题，再往下压一压就是 O(n)。

这里还想多提一句：正因为有这个“区间闭包”性质，这类题目的通用套路才是“排序 + 双指针”。如果你在别的题里看到“子集满足某个只跟最大值最小值有关的条件”，大概率也能用这个思路。

2.1 条件用乘法写，而不是直接除

题目描述里写的是“最大值与最小值之比不超过 k”，也就是 max / min <= k。但在写代码的时候，我不建议直接做除法，因为涉及浮点数精度和除数为零的问题。

更稳妥的做法是把条件改写成乘法：max <= k * min。

举个例子，max = 5，min = 2，k = 2，用除法判断：5 / 2 = 2.5 > 2，不满足；用乘法判断：5 <= 2 * 2 = 4，不满足。结果一致。但如果 max = 4，min = 2，k = 2，除法 4 / 2 = 2 <= 2，乘法 4 <= 2 * 2 = 4，都满足。

乘法方式还有个好处：它天然避开了“min 会不会是 0”的尴尬。虽然这个题的正常数据范围应该都是正整数，但万一出现 0，除法直接崩，乘法不会。

2.2 如果数组里有负数，情况会怎样

严格来说，如果数组元素有负数，“最大值和最小值之比”会出现一个很反直觉的结果：当最小值是负数时，比值是负数，而 k 一般是正整数，所以负数一定小于等于 k，这就导致任何包含负数的数组都自动“平衡”，题目就失去了意义。

比如 [-100, 1]，最大值 1，最小值 -100，比值是 1 / (-100) = -0.01，这确实小于任何正数 k。那这个数组算平衡吗？按理说不应该算，因为 1 和 -100 差了 101，怎么看都不该因为“比值是负数”就说是平衡的。

所以这题在出题时默认数组元素是正整数，或者说题意真正想表达的是“最大值不超过最小值的 k 倍”，即 max <= k * min。我知道有些朋友会拿这道题去改造成“数组里有负数”的版本，我的建议是：如果真想处理负数，你要单独讨论“最大正数、最小负数、绝对值”这些维度，复杂度会明显上升，不太适合作为这道题的延伸。刷题阶段，默认正整数就好。

3. 双指针为什么能跑 O(n)：单调性推导

现在问题已经简化成：排序后，找满足 nums[r] <= k * nums[l] 的最长连续区间。

最笨的方法是对每个 l，往右枚举 r，找到一个最远的合法位置。这样是 O(n^2)，对于 n 到 10^5 的题目来说会超时。需要更快的做法。

这里用双指针。先排序，然后维护两个指针 left 和 right，right 从头走到尾，同时根据条件调整 left 的位置，让窗口 [left, right] 始终满足 nums[right] <= k * nums[left]。在窗口满足条件时，用 right - left + 1 更新答案。

为什么这样可以做到 O(n)？关键在于排序后的单调性：

• 当 right 向右移动时，nums[right] 变大或不变，条件更容易被破坏
• 一旦 nums[right] > k * nums[left]，说明左边界太小了，需要把 left 右移
• 当 left 右移时，nums[left] 变大或不变，所以 k * nums[left] 也变大或不变，条件会更容易被满足

也就是说，left 在整个过程中只会向右移动，永远不会回退。right 也只会向右移动。两个指针各自最多走 n 步，整体复杂度 O(n)。

这个性质值得多说一句：双指针不是万金油，能用它的前提是窗口移动具有单调性。你往右扩 right，不满足条件了就收缩 left；收缩之后，之前判断过的东西不会因为收缩而需要重新判断。如果不满足这个单调性，双指针就会漏解，必须老老实实二分或者用别的数据结构。

3.1 双指针的循环不变量

写代码之前，先明确循环不变量：在每次外层迭代开始时，[left, right] 是当前以 right 为右端点的最长合法区间。也就是说，left 已经移动到了最小可能位置，任何比 left 更小的左端点都会让条件失效。

为什么能做到这一点？因为当 right 变成某个新值时，我们需要从当前 left 开始往右找第一个满足 k * nums[left] >= nums[right] 的位置。由于 k * nums[left] 随 left 递增，一旦某个 left 满足，后面所有的 left 也都满足，所以我们只需要持续右移 left 直到条件恢复。

这个不变量保证了答案的正确性：对于每一个 right，我们得到的是以它为右端点的最优窗口，所有 right 遍历完，全局最优一定在其中。

3.2 为什么窗口里至少要有一个人

有个细节：窗口 [left, right] 不能是空窗口。极端情况下，即使 left 一路右移到了 right 的位置，窗口里也还有一个元素。一个元素的最大值等于最小值，比值是 1，只要 k >= 1，它一定是平衡的。所以窗口至少可以有大小 1，不会出现“找不到任何合法区间”的尴尬。

这个细节直接关系到代码里 left 的移动边界。如果你在内部 while 循环里无脑 left++，有可能让 left 越过 right，导致 nums[left] 访问到错误位置。我见过不少人在这一步写出数组越界。正确做法是：当 left 移动到和 right 相等时，直接跳出内部循环，因为此时窗口只有一个元素，必然满足条件。

4. Go 代码实现与三个容易翻车的细节

直接给出核心代码：

go复制package main

import (
	"fmt"
	"sort"
)

func minRemovals(nums []int, k int) int {
	n := len(nums)
	if n <= 1 {
		return 0
	}

	sort.Ints(nums)

	left := 0
	maxKeep := 1

	for right := 0; right < n; right++ {
		// 不满足 nums[right] <= k*nums[left] 时，右移 left
		for int64(nums[right]) > int64(k)*int64(nums[left]) {
			left++
			if left == right {
				break
			}
		}
		if cur := right - left + 1; cur > maxKeep {
			maxKeep = cur
		}
	}

	return n - maxKeep
}

func main() {
	fmt.Println(minRemovals([]int{1, 2, 3, 4, 5}, 2)) // 2
	fmt.Println(minRemovals([]int{1, 10, 100, 1000}, 10)) // 2
	fmt.Println(minRemovals([]int{1, 1, 1}, 1)) // 0
	fmt.Println(minRemovals([]int{100, 1, 101, 102}, 2)) // 1
}

代码很短，但里面藏着三个容易翻车的细节，我逐个说。

4.1 第一个坑：乘法溢出

k * nums[left] 在 nums[left] 和 k 都比较大的时候，直接用 int 乘会溢出。比如 nums[left] = 10^9，k = 10^9，乘积是 10^18，在 64 位系统里 int 是 64 位，能扛住 9.22 * 10^18，勉强可以；但如果是 10^10 * 10^9 = 10^19，直接超出 int64 范围，结果会变成负数，然后排序后的正数跟负数比较，整个逻辑就乱了。

稳妥做法是转成 int64 再相乘。大多数算法竞赛环境下，nums[i] 和 k 的乘积不会超过 2^63 - 1，所以 int64 足够。如果你遇到的数据范围真的超大，建议用 math/big，或者干脆把条件改写为 float64(nums[right]) > float64(k)*float64(nums[left])，但浮点数在超过 2^53 时会丢精度，所以也不完美。实际刷题时，int64 是我最常用也最推荐的做法。

4.2 第二个坑：left 不能越过 right

内部循环里，left 不断右移，可能会出现 left == right 的情况。此时窗口只有一个元素，条件一定满足，继续移动 left 只会越界。所以一定要加判断，到了 left == right 就 break。

有的同学会把内部循环写成：

go复制for int64(nums[right]) > int64(k)*int64(nums[left]) {
    left++
}

这个版本在有些测试用例下会 panic，因为 left 可能超过 right。比如 nums = [1, 100]，k = 1，当 right = 1 时，nums[1] = 100，k * nums[0] = 1，条件成立，left 变成 1；此时窗口 [1,1]，其实已经合法，但如果 left 再动一下，就越界了。加上 left == right 的判断后，循环及时退出，安全。

4.3 第三个坑：排序后，原数组下标不能回推

题目问的是“最少移除多少个数”，我们算的是排序后最长合法区间的长度。但是如果你还想知道具体要移除哪些元素，就不能只用排序后的区间端点去回推原数组下标，因为排序会打乱原来的位置。

如果题目要求输出具体方案，你需要额外记录每个元素原来的下标。方法是：构造一个结构体数组，存 (value, index)，按 value 排序。排序后找最长合法区间，得到的区间里的 index 集合就是要保留的元素，剩下的是要移除的元素。输出时再按原数组顺序遍历一遍即可。

因为这个题只问数量，所以代码里直接用 sort.Ints 就够了。

5. 边界条件与自测用例设计

刷题最怕的就是代码在核心用例上跑通了，边界条件却炸了。这道题有几个典型的边界场景，我在本地跑过一组用例，整理成表格：

这里特别看一下 [100, 1, 101, 102] 这个用例，它对应了前面说的“贪心移最大值会翻车”的反例。用双指针做，排序后是 [1, 100, 101, 102]：

• right = 0，窗口 [1]，最长 1
• right = 1，nums[1] = 100，k * nums[0] = 2，100 > 2，left 右移
  • left = 1，nums[1] = 100，k * nums[1] = 200，100 <= 200，满足，窗口 [100]，长度 1
• right = 2，nums[2] = 101，k * nums[1] = 200，满足，窗口 [100, 101]，长度 2
• right = 3，nums[3] = 102，k * nums[1] = 200，满足，窗口 [100, 101, 102]，长度 3

答案 4 - 3 = 1，和预期一致。

5.1 空数组怎么处理

题目明确说了“非空数组”才叫平衡数组，所以最终结果至少为 0，不会出现“必须留空数组”的情况。我的代码里对 n <= 1 直接返回 0，是因为长度 1 的时候不管 k 是多少（只要 k >= 1），单元素都是平衡的。如果 n = 0，理论上输入就不合法，但防御式处理一下也无妨。

如果你在原题OJ上发现没有空数组的测试点，也别省这个判断，写上是好习惯。

5.2 k 的值会不会小于 1

题目描述里没有明说 k 的范围，但从“最大值与最小值之比不超过 k”这个定义看，正常逻辑是 k >= 1。因为最大值与最小值的比值至少是 1（当最大和最小相等时），所以如果 k < 1，除非是空数组，否则没有任何非空数组能平衡，这显然不符合题目本意。

写代码时，如果你要适配 k < 1 的情况，注意单元素数组的比值是 1，它不一定小于等于 k，双指针的“窗口至少一个元素”就不再成立了。我的建议是保持题目默认逻辑，不特地兼容 k < 1，但你要知道这个边界，面试时如果被追问可以主动说明。

6. 从这题延伸出去：排序 + 双指针的通用套路

这个题做完，我最大的感受是：它不是一个孤立的脑筋急转弯，而是“排序 + 双指针”这一类问题的标准样本。

这类问题通常长这样：给你一个数组，要求选出某个子集或子序列，使得这个集合里最大和最小之间满足某种不等关系，问最大长度或最小移除数量。遇到这种题，第一反应应该是：如果能排序，先排序，然后问题就变成一个区间问题。

为什么排序往往有效？因为题目只关心元素的值，不关心它们在原数组里的相对顺序，比如“最大值、最小值、比值、差值”这些指标，排序不会改变它们。一旦排序，整个数组就变成了一个单调递增的序列，这时候“满足条件的区间”会呈现出很强的结构性，可以用双指针、二分、甚至单调栈去优化。

6.1 常见的几个变体

• 变体一：找最长子数组（连续），使 max - min <= k。这个也是排序后双指针，但注意原题要求“连续子数组”时不能排序，要在原数组上滑动窗口，用两个单调队列维护最大值和最小值。
• 变体二：找最长子序列，使所有元素都能被某个值整除或整除关系。同样可以参考“排序后区间”的思路。
• 变体三：题目改成一个二维数组或者给的是坐标点，要求选出最多的点，使它们落在某个边长受限的正方形内。这是把一维双指针扩展到二维，常见做法是固定一个维度，另一个维度用双指针。

6.2 如果题目要求保留连续子数组，还能用排序吗

这个问题值得单独强调。有一种常见陷阱是，题目说“从 nums 中移除”，有些人会误读成“剩下的必须是原数组中的连续子数组”。

如果真是后者，排序就不行。因为原数组的顺序是固定的，[100, 1, 101, 102] 排序后 [1, 100, 101, 102]，看起来保留 [100,101,102] 很容易，但实际上在原数组里 100 和 101 之间夹着一个 1，如果必须连续，这个 1 不能“跳过”，那就只能把 1 也留下来，导致 [100,1,101,102] 最大值 102、最小值 1，比值 102，远超 k，不可行。此时正确的解法是在原数组上做滑动窗口，同时维护当前窗口的最大值和最小值，用两个单调队列或者 heap 结构来保证 O(n log n) 或 O(n) 的复杂度。

所以拿到题目第一步，一定要先确认“移除”之后留下的是子序列还是子数组。这个前提直接决定用排序还是用滑动窗口。

6.3 这道题可以怎么考变形

如果面试官想加难度，会往这些方向变：

• 输出具体移除方案，而不是只输出数量。需要记录原下标，排序时带上索引，最后根据保留区间反推要删除的下标集合。
• nums 长度极大，k 也极大，要求用二分优化。其实双指针已经是 O(n)，如果排序是瓶颈，那可以用桶排序、基数排序等把排序降到 O(n)，但一般不用。
• 给你多个 k 的查询，每次问最少移除多少。可以先预处理所有排序后区间长度，然后回答每个查询，比如用二分找每个左端点的最远右端点，存下来，查询时二分答案。
• 改成求最少移除元素后数组平衡，但允许你先对这个区间做一次整体平移（比如每个元素加一个偏移量）。这类题就更综合了，通常还需要配合前缀和、差分等技巧。

我个人在实际刷题时，遇到这个题之后顺手做了几个同类型变体，它们共同沉淀下来一个习惯：先问“能不能排序”，再问“排序之后能不能用双指针”，最后再问“双指针的单调性来自哪里”。 这三个问题问完，题目基本就透了。

写这段的时候我又想了想最开始那个贪心陷阱，其实很多人不是不会双指针，而是没有识别出“移除最少等价于保留最多”这个转换。算法题翻车往往不是难在数据结构，而是难在第一步的视角切换。多刷几道这种“最大值最小值相关”的题之后，你就会形成肌肉记忆：凡是条件只依赖 max 和 min 的，排序 + 双指针是第一优先级的尝试方向。