滑动窗口优先选 deque，因其 popleft() 为 O(1)，而 list.pop(0) 为 O(n)；需维护单调队列时必须存下标以准确判断元素是否过期；小窗口（≤5）且数据量小时可用 list。
滑动窗口该用 list 还是 deque？
用 list 模拟滑动窗口在频繁 pop(0) 时会退化成 O(n) 时间复杂度，因为每次都要移动后续所有元素；而 collections.deque 的 popleft() 是 O(1)。除非窗口极小（比如固定长度 ≤ 5）且数据量不大，否则默认选 deque。
实操建议：
- 导入写成
from collections import deque，避免每次调用都带模块前缀 - 初始化窗口用
win = deque(maxlen=k)可自动丢弃左端，但注意它不支持随机索引访问，需额外变量存最大/最小值 - 若需频繁查窗口内最值，直接用
deque维护单调队列比反复调用max(win)高效得多
单调队列中存下标还是存值？
必须存下标。只存值无法判断某个元素是否已滑出窗口——因为重复值会导致无法区分“哪个 5 已过期”。下标能精确计算位置，配合当前右边界 r 判断 if q[0] 是否越界。
常见错误现象：
立即学习“Python免费学习笔记（深入）”；
- 窗口最大值突然变小，且不再恢复 → 很可能是用值做判断，把未过期的重复值误删了
- 结果数组长度不对 → 下标没和循环变量对齐，比如用
for i, x in enumerate(nums)但内部仍用i+1当右端点
典型写法片段：
q = deque()<br>for r in range(len(nums)):<br> while q and nums[q[-1]] <= nums[r]:<br> q.pop()<br> q.append(r)<br> if q[0] <= r - k:<br> q.popleft()<br> if r >= k - 1:<br> res.append(nums[q[0]])
固定长度 vs 可变长度滑动窗口怎么选模板？
固定长度（如「长度为 k 的子数组最大值」）适合用双指针 + 单调队列，逻辑集中在右指针推进、左边界自动校验；可变长度（如「和至少为 target 的最短子数组」）则必须显式维护 left 指针，并在内层 while 中收缩。
关键区别点：
- 固定窗口：右指针每步必进，左指针不动或只动一次，
for r in range(n)足够 - 可变窗口：左指针可能连走多步，必须用
while sum_val >= target:循环收缩，且需在收缩后才更新答案 - 性能影响：可变窗口最坏是 O(2n)，看似两重循环，但每个元素最多进出窗口各一次，仍是线性
LeetCode 239 题本地调试总输出空列表？
大概率是忘了在 r >= k - 1 时才开始记录结果。比如 k=3，合法窗口从索引 2 开始（0-based），但循环从 r=0 开始，前两轮不能 append。
调试技巧：
- 打印每轮的
r、q、nums[q[0]]和是否 append，比只看最终结果更快定位漏填点 - 用小样例手跑：nums = [1,3,-1,-3,5,3,6,7], k = 3，正确输出应为 [3,3,5,5,6,7]，少一个就说明边界条件错
- 注意题目是否要求返回「每个窗口的最大值」还是「所有窗口最大值中的最大值」——后者只需一个变量，不用数组
真正麻烦的是窗口内需同时维护多个统计量（比如最大值 + 最小值 + 出现次数），这时单个 deque 不够用，得拆成多个结构，或者改用平衡二叉树模拟（Python 里常用 sortedcontainers，但 OJ 通常不预装）。
