在一维数组中用一次遍历、两个变量同步获取最大值与最小值索引，初始化 max_idx = min_idx = 0，从索引 1 开始遍历，通过 if-else 分支比较更新，避免重复扫描，时间复杂度 o(n)。
在一维数组中秒级检索最大值与最小值的索引，核心不是“秒级”这个时间描述（实际是 O(n) 线性时间），而是用一次遍历、两个变量完成，避免重复扫描或调用内置函数带来的隐式开销。
单次遍历同步更新 max_idx 和 min_idx
最高效的方式是初始化 max_idx = min_idx = 0，然后从索引 1 开始遍历，对每个元素 arr[i] 同时判断是否大于当前最大值、是否小于当前最小值，并即时更新对应索引。这样只需访问数组一次，比较次数约 2n 次（实际可优化为 ≤ 1.5n，见下一点）。
- 初始化时直接取首元素作为初始极值参考，避免空数组异常（需提前校验）
- 循环中用 if-else 分支结构：若 arr[i] > arr[max_idx]，更新 max_idx；否则再判断 arr[i]
- 注意：当数组含重复极值时，该逻辑返回的是首次出现的索引；如需最后一次，把 > 改为 >=，
避免内置函数隐藏的性能陷阱
像 Python 的 arr.index(max(arr)) 或 JavaScript 的 arr.indexOf(Math.max(...arr)) 表面简洁，实则触发三次遍历：一次找 max，一次找 min，一次分别查索引。对百万级数组，延迟可能从微秒级升至毫秒级。
- Python 中 numpy.argmax() 和 numpy.argmin() 是 C 实现，虽快但需额外依赖和内存拷贝开销
- 若用 enumerate() 配合 max()/min() with key，仍是 O(n) 但有函数调用和 tuple 构造开销，不如裸循环直接
- 真正“秒级”响应的关键是控制逻辑不引入额外数据结构或中间数组
边界与类型安全处理
工业级代码需覆盖常见异常，但不影响主干流程效率：
- 空数组：提前 return None 或抛出 ValueError，不进入循环
- 单元素数组：直接返回 (0, 0)，无需比较
- 数值类型混杂（如含 None、字符串）：在循环前做一次类型预检，或在比较时用 try/except 包裹（仅当无法保证输入纯净时）
- 浮点数 NaN：需显式判断 math.isnan()，因 NaN > x 和 NaN
语言级优化示例（以 Python 为例）
以下写法在 CPython 下接近理论最优：
def argminmax(arr):
if not arr:
raise ValueError("array is empty")
max_idx = min_idx = 0
for i in range(1, len(arr)):
if arr[i] > arr[max_idx]:
max_idx = i
elif arr[i]
- 用 range(1, len(arr)) 避免索引 0 的冗余判断
- 用 elif 而非两个独立 if，减少无效比较
- 不创建新列表、不调用任何函数，纯解释器指令流执行
