本文详解 leetcode 第643题“最大平均子数组 i”的滑动窗口解法，指出常见逻辑错误（如混淆窗口长度与元素和），并提供简洁、正确的实现及关键原理说明。
本文详解 leetcode 第643题“最大平均子数组 i”的滑动窗口解法，指出常见逻辑错误（如混淆窗口长度与元素和），并提供简洁、正确的实现及关键原理说明。
在解决“求长度为 k 的连续子数组的最大平均值”问题时，核心在于理解：平均值最大 ⇔ 子数组和最大（因分母 k 固定）。因此，无需实时计算平均值，只需维护长度恒为 k 的滑动窗口，并追踪其最大和，最后除以 k 即得答案。
原代码中存在几个关键逻辑错误：
- ❌
while temp > k：temp是当前窗口元素之和，k是窗口长度，二者量纲不同，不可直接比较； - ❌
curr += 1在for循环中冗余且错误：Python 的for curr in range(len(nums))已自动递增curr，手动加一将导致索引错位； - ❌ 窗口长度未被显式约束为 k：代码试图用
temp > k动态缩窗，但实际需求是窗口必须严格等于 k 个元素，而非满足某个和的阈值； - ❌
ans = temp / (curr - left + 1)中分母动态变化，违背题目要求（子数组长度必须为 k）。
✅ 正确思路是标准的定长滑动窗口（Fixed-size Sliding Window）：
- 先计算首个长度为 k 的窗口和（
nums[0:k]）； - 从第 k 个元素开始遍历，每次将窗口右移一位：减去左边界元素
nums[i−k]，加上新右边界元素nums[i]； - 持续更新最大和；
- 最终返回
maxSum / k。
以下是清晰、健壮的实现：
class Solution:
def findMaxAverage(self, nums: List[int], k: int) -> float:
# 初始化第一个长度为 k 的窗口和
curr_sum = sum(nums[:k])
max_sum = curr_sum
# 滑动窗口：i 为新加入的右端索引（从 k 开始）
for i in range(k, len(nums)):
curr_sum = curr_sum - nums[i - k] + nums[i]
max_sum = max(max_sum, curr_sum)
return max_sum / k
⚠️ 注意事项：
- 时间复杂度为 O(n)，空间复杂度为 O(1)，远优于暴力 O(n×k) 解法；
- 无需使用浮点数初始化
ans = 0.0—— 整数除法在 Python 3 中自动返回float； - 输入保证
k ≤ len(nums)，故无需额外边界校验（LeetCode 题目约束）； - 若需扩展为「长度 ≥ k」或「长度 ≤ k」的最大平均子数组，则需改用前缀和 + 二分搜索（如 LeetCode 644），但本题仅需定长滑窗。
掌握这一模式不仅能解决本题，更是理解滑动窗口思想的关键入口：明确窗口不变量（此处为长度恒为 k），避免在循环中混入无关条件判断，让逻辑聚焦于“移入—移出—更新”三步主干。
