单调栈解决LeetCode每日温度问题：从暴力到最优

1. 问题背景与核心挑战

每日温度问题（LeetCode 739）是算法面试中的经典栈应用场景。给定一个温度列表temperatures，要求返回一个列表，表示需要等待多少天才能观测到更高温度。如果气温在这之后都不会升高，则在该位置用0来代替。

这个问题看似简单，但考察了以下几个关键能力：

• 对单调栈这种特殊数据结构的理解
• 将实际问题转化为栈操作的能力
• 时间复杂度优化的意识（暴力解法O(n²) vs 栈解法O(n)）

我在准备算法面试时，这个问题曾经困扰了我整整两天。最初用暴力解法通过后，发现运行时间排名垫底，这才意识到必须掌握更优解。下面分享我从暴力解法到最优解的完整思考过程。

2. 暴力解法：直观但低效的实现

2.1 基本思路

最直观的解法是对每个温度，向后遍历直到找到第一个更高的温度：

python复制def dailyTemperatures(temperatures):
    n = len(temperatures)
    answer = [0] * n
    for i in range(n):
        for j in range(i+1, n):
            if temperatures[j] > temperatures[i]:
                answer[i] = j - i
                break
    return answer

2.2 复杂度分析

这种解法的时间复杂度是O(n²)，空间复杂度O(1)（不考虑输出数组）。对于LeetCode的测试用例虽然能通过，但当输入规模达到10⁵时就会超时。

提示：在面试中，即使能快速写出暴力解法，也应该主动说明其复杂度缺陷，并表达优化意向。这展示了你的算法思维层次。

2.3 优化方向

观察发现暴力解法存在大量重复比较：

• 对于温度序列[73,74,75,71,69,72,76]
• 计算73时需要比较74,75...
• 计算74时又重复比较了75...

如果能记住之前的比较信息，就能避免重复工作。这正是栈数据结构的用武之地。

3. 单调栈解法：时间与空间的完美平衡

3.1 单调栈的核心思想

单调栈是一种特殊的栈，其中的元素保持单调递增或递减的顺序。对于每日温度问题，我们使用单调递减栈：

1. 栈中存储的是温度的索引而非温度值
2. 保持栈顶到栈底温度递减
3. 遇到更高温度时，弹出栈顶元素并计算天数差

3.2 完整实现代码

python复制def dailyTemperatures(temperatures):
    stack = []
    answer = [0] * len(temperatures)
    for i, temp in enumerate(temperatures):
        while stack and temperatures[stack[-1]] < temp:
            prev_index = stack.pop()
            answer[prev_index] = i - prev_index
        stack.append(i)
    return answer

3.3 逐步推演示例

以输入[73,74,75,71,69,72,76]为例：

3.4 复杂度分析

时间复杂度：每个元素最多入栈和出栈一次，因此是O(n)
空间复杂度：最坏情况下栈需要存储所有元素，O(n)

4. 边界条件与常见错误

4.1 空输入处理

虽然题目保证输入非空，但好的习惯是添加边界检查：

python复制if not temperatures:
    return []

4.2 相同温度的处理

题目要求"更高温度"，因此等于当前温度时不弹出栈。这是常见错误点：

python复制# 错误写法：使用<=会导致错误
while stack and temperatures[stack[-1]] <= temp:  # 错误！

4.3 栈溢出风险

Python的列表实现栈时理论上不会溢出，但在其他语言如C++中需要注意：

cpp复制// C++中需要预先分配足够空间或使用动态数据结构
stack<int> st;
st.reserve(temperatures.size());  // 预分配

5. 算法变种与扩展思考

5.1 前向vs后向遍历

我们采用的是前向遍历（从左到右），也可以实现后向遍历版本：

python复制def dailyTemperatures_backward(temperatures):
    n = len(temperatures)
    answer = [0] * n
    stack = []
    for i in range(n-1, -1, -1):
        while stack and temperatures[i] >= temperatures[stack[-1]]:
            stack.pop()
        if stack:
            answer[i] = stack[-1] - i
        stack.append(i)
    return answer

5.2 类似问题举一反三

掌握单调栈后，可以解决一系列类似问题：

• LeetCode 496 下一个更大元素 I
• LeetCode 503 下一个更大元素 II
• LeetCode 84 柱状图中最大的矩形
• LeetCode 42 接雨水

5.3 实际应用场景

这种模式在现实中有诸多应用：

• 股票分析（寻找下一个更高股价）
• 天气预报（未来更热/更冷的天数）
• 资源调度（等待更高优先级任务）

6. 性能优化与语言特性

6.1 Python中的优化技巧

使用预分配数组和内置函数可以略微提升性能：

python复制def dailyTemperatures_opt(temperatures):
    n = len(temperatures)
    answer = [0] * n
    stack = []
    for i in range(n):
        current_temp = temperatures[i]
        while stack and temperatures[stack[-1]] < current_temp:
            prev = stack.pop()
            answer[prev] = i - prev
        stack.append(i)
    return answer

6.2 其他语言实现对比

Java实现示例（注意栈的包装类处理）：

java复制public int[] dailyTemperatures(int[] temperatures) {
    int[] answer = new int[temperatures.length];
    Deque<Integer> stack = new ArrayDeque<>();
    for (int i = 0; i < temperatures.length; i++) {
        while (!stack.isEmpty() && temperatures[stack.peek()] < temperatures[i]) {
            int prev = stack.pop();
            answer[prev] = i - prev;
        }
        stack.push(i);
    }
    return answer;
}

7. 调试技巧与测试用例设计

7.1 有效的测试用例

设计测试用例时应考虑：

• 普通情况：[73,74,75,71,69,72,76]
• 全部相同温度：[30,30,30]
• 单调递增：[1,2,3,4]
• 单调递减：[4,3,2,1]
• 空输入：[]
• 单元素输入：[100]

7.2 调试打印技巧

在算法中添加调试打印：

python复制def dailyTemperatures_debug(temperatures):
    stack = []
    answer = [0] * len(temperatures)
    for i, temp in enumerate(temperatures):
        print(f"\nDay {i}, Temperature: {temp}")
        print(f"Before processing - Stack: {stack}")
        while stack and temperatures[stack[-1]] < temp:
            prev_index = stack.pop()
            answer[prev_index] = i - prev_index
            print(f"  Found warmer day for index {prev_index}: wait {i - prev_index} days")
        stack.append(i)
        print(f"After processing - Stack: {stack}, Answer: {answer}")
    return answer

7.3 可视化调试工具

推荐使用：

• Python Tutor (pythontutor.com)
• LeetCode的调试功能
• VS Code的调试器配合可视化插件

8. 面试技巧与常见问题

8.1 面试官可能追问的问题

1. 为什么选择栈而不是其他数据结构？
2. 如何处理输入非常大的情况？
3. 如何证明你的算法是正确的？
4. 这个算法的时间复杂度是多少？如何计算？
5. 能否用递归实现？会有什么问题？

8.2 回答策略

对于"为什么选择栈"这个问题，可以这样回答：

"栈的LIFO特性非常适合这种需要比较最近元素的场景。具体到这个问题：

1. 我们需要记住尚未找到更高温度的那些天的索引
2. 当遇到更高温度时，最近的那些天是最先被满足的
3. 栈的弹出操作正好可以处理这种'最近优先'的逻辑
4. 保持栈单调递减可以确保每次比较都是必要的"

8.3 白板编程技巧

在白板上写代码时：

1. 先写出函数签名和返回类型
2. 注释算法步骤
3. 最后填充代码细节
4. 留出空间画示例推演

9. 进阶思考：分布式处理海量数据

如果温度数据量极大（如全球气象站数据），如何分布式处理？

9.1 MapReduce思路

1. 按日期范围分区
2. 每个分区内使用单调栈算法
3. 合并时处理分区边界情况

9.2 流式处理方案

对于实时数据流：

1. 使用时间窗口
2. 维护多个栈对应不同时间窗口
3. 定期合并结果

10. 个人实战经验分享

在多次面试中遇到这个问题后，我总结了以下经验：

1. 先写暴力解法：即使知道更优解，也先写出暴力解法并分析其缺点，展示思考过程

2. 画图辅助：在白板上画出温度曲线和栈的变化，更容易发现规律

3. 边界测试：特别注意空输入、全相同温度、单调序列等情况

4. 语言细节：不同语言实现时注意：

   • Python中列表作为栈
   • Java中使用Deque而非Stack类
   • C++注意栈容量

5. 变种准备：掌握问题的各种变种，如循环数组版本(LeetCode 503)

最后记住，面试官考察的不仅是正确解法，更是你解决问题的思考过程。即使不能立即想到最优解，通过清晰的沟通和逐步优化，也能留下好印象。