输入#

整数数组 gain

输出#

骑行过程中达到的最高海拔

约束条件#

1. 1 <= gain.length <= 100
2. -100 <= gain[i] <= 100

示例1#

1
input: gain = [-5,1,5,0,-7]
2
output: 1

解释：海拔依次为 0, -5, -4, 1, 1, -6，最高海拔为 1。

示例2#

1
input: gain = [-4,-3,-2,-1,4,3,2]
2
output: 0

解释：全程海拔始终不高于起点 0。

从逐段累加出发#

最自然的想法是：从海拔 0 出发，依次走过每一段路，记录途中出现过的最大海拔。

以 gain = [-5, 1, 5, 0, -7] 为例，逐段累加后各点的海拔为：

最高海拔出现在第 3 段之后，为 1。

前缀和：用 accumulate 一次求出各点海拔#

「逐段累加」若把每一步的结果都记下来，就得到了 gain 的前缀和序列——第 i 项表示走完前 i 段路后的海拔。

Python 标准库 itertools.accumulate 正好做这件事：它按顺序把 gain 累加，生成每一步的当前海拔。题目要求的是这些海拔（连同起点 0）中的最大值，因此：

外层再与 0 取最大，是因为起点海拔 0 本身也可能就是答案（如示例 2 全程不升反降）。

复杂度#

• 时间复杂度：$O(n)$，遍历 gain 一次
• 空间复杂度：$O(1)$，accumulate 返回迭代器，max 边读边比较，不额外存储整个前缀和数组

代码#

1
from itertools import accumulate
2

3
class Solution:
4
    def largestAltitude(self, gain: List[int]) -> int:
5
        return max(max(accumulate(gain)), 0)

用解包替代嵌套 max#

max(max(accumulate(gain)), 0) 需要读完整个迭代器才能得出内层最大值，再与 0 比较。利用 max 支持多参数的特性，把起点 0 一并传入更直观：

1
return max(0, *accumulate(gain))

语义不变：在起点 0 与所有前缀和之间取最大。

显式循环（无需 itertools）#

若更偏好「一眼能看懂在干什么」的写法，单次遍历同样紧凑：

1
class Solution:
2
    def largestAltitude(self, gain: List[int]) -> int:
3
        alt = ans = 0
4
        for g in gain:
5
            alt += g
6
            ans = max(ans, alt)
7
        return ans

与 accumulate 版本相比，少了标准库依赖，循环体也直接对应「逐段骑行、随时更新最高海拔」的题意——可按场景与个人习惯选择。