本文详解如何使用滑动窗口与哈希表高效求解「长度恰好为 k 且所有元素互异」的子数组的最大和，指出原实现中标志位逻辑缺陷，并给出简洁、鲁棒、符合 python 风格的优化解法。
本文详解如何使用滑动窗口与哈希表高效求解「长度恰好为 k 且所有元素互异」的子数组的最大和，指出原实现中标志位逻辑缺陷，并给出简洁、鲁棒、符合 python 风格的优化解法。
在解决“长度为 k 且元素全部互异的子数组最大和”问题时，核心挑战在于：如何实时、准确地判断当前长度为 k 的滑动窗口内是否所有元素均唯一？ 原思路试图用布尔标志 canIcount 跟踪窗口合法性，但其状态更新逻辑存在根本性缺陷——它无法在窗口从“含重复”恢复为“全唯一”时自动重置为 True。事实上，标志位是冗余的：窗口合法当且仅当哈希表中键的数量（即不同元素个数）等于 k。这一观察直接消除了状态管理的复杂性，使逻辑更清晰、更可靠。
以下是基于该思想重构的完整实现：
class Solution:
def maximumSubarraySum(self, nums: List[int], k: int) -> int:
sum_so_far = max_sum = 0
freq = {}
left = 0
for right, val in enumerate(nums):
# 扩展右边界：加入 nums[right]
freq[val] = freq.get(val, 0) + 1
sum_so_far += val
# 当窗口长度达到 k 时，检查并更新答案
if right >= k - 1:
# 合法窗口：恰好 k 个不同元素 → 即哈希表有 k 个 key
if len(freq) == k:
max_sum = max(max_sum, sum_so_far)
# 收缩左边界：移除 nums[left]
left_val = nums[left]
if freq[left_val] == 1:
del freq[left_val]
else:
freq[left_val] -= 1
sum_so_far -= left_val
left += 1
return max_sum✅ 关键改进点说明：
- 去标志位，靠本质判据：用 len(freq) == k 替代易错的 canIcount 标志，语义明确、无状态漂移风险；
- 边界收缩逻辑修正：原代码中 eleToFreq[a[i]] >= 1 误判了删除条件，正确做法是：频次为 1 时 pop，否则减 1；
- 结构扁平化：统一处理左右指针移动逻辑，消除 if/else 分支中的重复代码；
- Python 化写法：使用 enumerate 避免手动索引管理，freq.get(val, 0) 简化计数初始化，变量命名更语义化（如 sum_so_far, max_sum, left/right）；
- 无需预校验：删去 if len(set(nums))
⚠️ 注意事项：
- 本解法时间复杂度为 O(n)，每个元素最多被访问两次（进/出窗口各一次），空间复杂度为 O(min(k, n))（哈希表最多存 k 个键）；
- 切勿在收缩窗口前读取 freq[nums[left]] 后再修改哈希表——必须先判断频次，再决定 del 或 -=；
- 若题目要求返回子数组本身而非和值，只需额外记录触发 max_sum 更新时的 left 和 right 即可。
综上，本题本质是经典滑动窗口 + 频次哈希的组合应用。摒弃模糊的状态标志，回归数学本质（唯一性 ⇔ distinct count == k），辅以清晰的窗口维护流程，即可写出健壮、高效、易维护的工业级代码。
