algorithm-base/animation-simulation/数组篇/长度最小的子数组.md

> 如果阅读时，发现错误，或者动画不可以显示的问题可以添加我微信好友 **[tan45du_one](https://raw.githubusercontent.com/tan45du/tan45du.github.io/master/个人微信.15egrcgqd94w.jpg)** ，备注 github + 题目 + 问题 向我反馈
>
> 感谢支持，该仓库会一直维护，希望对各位有一丢丢帮助。
>
> 另外希望手机阅读的同学可以来我的 <u>[**公众号：袁厨的算法小屋**](https://raw.githubusercontent.com/tan45du/test/master/微信图片_20210320152235.2pthdebvh1c0.png)</u> 两个平台同步，想要和题友一起刷题，互相监督的同学，可以在我的小屋点击<u>[**刷题小队**](https://raw.githubusercontent.com/tan45du/test/master/微信图片_20210320152235.2pthdebvh1c0.png)</u>进入。

#### [209. 长度最小的子数组](https://leetcode-cn.com/problems/minimum-size-subarray-sum/)

我们下面再看一种新类型的双指针，也就是我们大家熟知的滑动窗口。这也是我们做题时经常用到的，下面我们来看一下题目吧！

#### 题目描述

> 给定一个含有 n 个正整数的数组和一个正整数 s ，找出该数组中满足其和 ≥ s 的长度最小的 连续 子数组，并返回其长度。如果不存在符合条件的子数组，返回 0。

示例：

> 输入：s = 7, nums = [2,3,1,2,4,3]
> 输出：2
> 解释：子数组 [4,3] 是该条件下的长度最小的子数组。

#### 题目解析

滑动窗口：**就是通过不断调节子数组的起始位置和终止位置，进而得到我们想要的结果**，滑动窗口也是双指针的一种。

下面我们来看一下这道题目的做题思路，其实原理也很简单，我们创建两个指针，一个指针负责在前面探路，并不断累加遍历过的元素的值，当和大于等于我们的目标值时，后指针开始进行移动，判断去除当前值时，是否仍能满足我们的要求，直到不满足时后指针 停止，前面指针继续移动，直到遍历结束。是不是很简单呀。前指针和后指针之间的元素个数就是我们的滑动窗口的窗口大小。见下图

![在这里插入图片描述](https://img-blog.csdnimg.cn/20210321131617533.png)

好啦，该题的解题思路我们已经了解啦，下面我们看一下，代码的运行过程吧。

![](https://img-blog.csdnimg.cn/2021032111513777.gif)

#### 题目代码

Java Code:

```java
class Solution {
    public int minSubArrayLen(int s, int[] nums) {

        int len = nums.length;
        int windowlen = Integer.MAX_VALUE;
        int i = 0;
        int sum = 0;
        for (int j = 0; j < len; ++j) {
            sum += nums[j];
            while (sum >= s) {
                windowlen = Math.min (windowlen, j - i + 1);
                sum -= nums[i];
                i++;
            }
        }
        return windowlen == Integer.MAX_VALUE ? 0 : windowlen;

    }
}
```

C++ Code:

```cpp
class Solution {
public:
    int minSubArrayLen(int t, vector<int>& nums) {
		int n = nums.size();
      	int i = 0, sum = 0, winlen = INT_MAX;
      	for(int j = 0; j < n; ++j){
          sum += nums[j];
          while(sum >= t){
            winlen = min(winlen, j - i + 1);
            sum -= nums[i++];
          }
        }
      return winlen == INT_MAX? 0: winlen;
    }
};
```

Python3 Code:

```python
from typing import List
import sys
class Solution:
    def minSubArrayLen(self, s: int, nums: List[int])->int:
        leng = len(nums)
        windowlen = sys.maxsize
        i = 0
        sum = 0
        for j in range(0, leng):
            sum += nums[j]
            while sum >= s:
                windowlen = min(windowlen, j - i + 1)
                sum -= nums[i]
                i += 1

        if windowlen == sys.maxsize:
            return 0
        else:
            return windowlen
```

Swift Code

```swift
class Solution {
    func minSubArrayLen(_ target: Int, _ nums: [Int]) -> Int {

        var sum = 0, windowlen = Int.max, i = 0
        for j in 0..<nums.count {
            sum += nums[j]
            while sum >= target {
                windowlen = min(windowlen, j - i + 1)
                sum -= nums[i]
                i += 1
            }
        }
        return windowlen == Int.max ? 0 : windowlen
    }
}
```


Go Code:

```go
func minSubArrayLen(target int, nums []int) int {
    length := len(nums)
    winLen := length + 1
    i := 0
    sum := 0
    for j := 0; j < length; j++ {
        sum += nums[j]
        for sum >= target {
            winLen = min(winLen, j - i + 1)
            sum -= nums[i]
            i++
        }
    }
    if winLen == length + 1 {
        return 0
    }
    return winLen
}

func min(a, b int) int {
    if a < b {
        return a
    }
    return b
}
```