首页 > 其他分享 >刷题《面试经典150题》(第4天)

刷题《面试经典150题》(第4天)

时间:2024-04-02 18:32:00浏览次数:35  
标签:150 right nums max mid 面试 数组 刷题 left

学习目标:


学习内容:

    1. 串联所有单词的子串(困难)→滑动窗口
    1. 组合(中等)→回溯
    1. 最大子数组和(中等)→Kadane 算法
    1. 将二叉搜索树变平衡(中等)→平衡二叉树
    1. 数组中的第K个最大元素(中等)→堆
    1. 搜索插入位置(简单)→二分查找
    1. 搜索二维矩阵(中等)→二分查找
    1. 打家劫舍(中等)→一维动态规划

学习时间:

2024.4.2

知识点

  • 回溯算法
  • 滑动窗口
  • 动态规划
  • 回溯
  • 二分查找
  • Kadane 算法

学习内容:

30. 串联所有单词的子串(困难)→滑动窗口

复仇!我来啦!
有了昨天438.求异构词的经验,这道题写起来顺手多了。
思路:

定义一个滑动窗口大小和子串总大小相当
在主串中遍历滑动窗口,判断是否子串的单词全在主串中
(避免子串有重复的单词,用visit标记是否这个单词已经匹配过了)

class Solution(object):
    def findSubstring(self, s, words):
        """
        :type s: str
        :type words: List[str]
        :rtype: List[int]
        """
        str_w=''.join(words)
        ans=[]
        l_w=len(str_w)  #子串和窗口的大小
        l_s=len(s)      #字符串大小
        if l_w>l_s: #排除不合规的情况
            return []
        l_word=len(words[0])    #子串每个字符串的大小
        n_word=len(words)       #子串字符个数
        visit = [0] * n_word  # 记录子串字符是否匹配过
        def isTrue(str, words):
            for i in range(len(words)):
                if str==words[i] and not visit[i]:
                    visit[i]=1
                    return True
        for time in range(l_s-l_w+1):   #time记录开始索引和循环次数
            flag=True           #标记是否有不匹配的状况
            for i in range(n_word):
                visit[i]=0
            for i in range(n_word):
                if not isTrue(s[time+i*l_word:time+(i+1)*l_word],words):
                    flag=False
                    break
            if flag:
                ans.append(time)
        return ans

BUT! 我以为大功告成的时候,不出意料地出了岔子,超时了
在这里插入图片描述
不得不说,这个测试用例真恶心。

改正:

这次我尝试使用字典
s_dict记录滑动窗口字符情况
p_dict记录子串字符情况

代码:

class Solution(object):
    def findSubstring(self, s, words):
        """
        :type s: str
        :type words: List[str]
        :rtype: List[int]
        """
        str_w=''.join(words)
        ans=[]          #存输出
        l_w=len(str_w)  #子串和窗口的大小
        l_s=len(s)      #字符串大小
        if l_w>l_s: #排除不合规的情况
            return []
        l_word=len(words[0])    #子串每个字符串的大小
        n_word=len(words)       #子串字符个数
        p_dict={}               #子串字符情况

        for i in words:
            if i not in p_dict:
                p_dict[i]=1
            else:
                p_dict[i]+=1
        for time in range(l_s-l_w+1):   #time记录开始索引和循环次数
            s_dict = {}         # 滑动窗口字符情况
            for i in range(n_word):
                if s[time+i*l_word:time+(i+1)*l_word] not in s_dict:
                    s_dict[s[time+i*l_word:time+(i+1)*l_word]] = 1
                else:
                    s_dict[s[time+i*l_word:time+(i+1)*l_word]] += 1
            if s_dict==p_dict:
                ans.append(time)
        return ans

77. 组合(中等)→回溯

给定两个整数 n 和 k,返回范围 [1, n] 中所有可能的 k 个数的组合。 你可以按 任何顺序 返回答案。

示例 1:
输入:n = 4, k = 2
输出: [ [2,4], [3,4], [2,3], [1,2], [1,3], [1,4], ]
示例 2:
输入:n = 1, k = 1
输出:[[1]]

复习昨天学的回溯算法

用昨天的方法,果不其然,超时了
在这里插入图片描述
回溯太难了,我又看了答案,我发誓,明天在做一道,一定不看答案了

class Solution(object):
    def combine(self, n, k):
        """
        :type n: int    [1,n]
        :type k: int    k个数组合
                        k<=n
        :rtype: List[List[int]]
        """
        if n==1 and k==1:
            return [[1]]
        if k==1:
            return [[i+1] for i in range(n)]
        ans=[]      #记录排列组合
        path=[]     #记录单词的组合
        def dfs(i):
            d=k-len(path)
            if d==0:
                ans.append(list(path))
                return
            if i >d:
                dfs(i-1)
            path.append(i)
            dfs(i-1)
            path.pop()
        dfs(n)
        return ans

我拷贝了,晚上睡觉的时候偷学,一定要学会!!!!

35. 搜索插入位置

给定一个排序数组和一个目标值,在数组中找到目标值,并返回其索引。如果目标值不存在于数组中,返回它将会被按顺序插入的位置。
请必须使用时间复杂度为 O(log n) 的算法。
示例 1:
输入: nums = [1,3,5,6], target = 5
输出: 2
示例 2:
输入: nums = [1,3,5,6], target = 2
输出: 1
示例 3:
输入: nums = [1,3,5,6], target = 7
输出: 4

简单题,秒了

class Solution(object):
    def searchInsert(self, nums, target):
        """
        :type nums: List[int]
        :type target: int
        :rtype: int
        """
        left=0
        right=len(nums)-1
        mid=(left+right)//2
        while left<=right:
            if nums[mid]==target:
                return mid
            elif nums[mid]>target:
                right=mid-1
                mid=(left+right)//2
            else:
                left = mid + 1
                mid = (left + right) // 2
        nums.append(target)
        nums.sort()
        return left

-74. 搜索二维矩阵(中等)→二分查找

简单题,秒了

class Solution(object):
    def searchMatrix(self, matrix, target):
        """
        :type matrix: List[List[int]]
        :type target: int
        :rtype: bool
        """
        row=len(matrix)
        column=len(matrix[0])
        left=0
        right=row-1
        mid=(left+right)//2
        while left <= right:
            if matrix[mid][0] == target:
                return True
            elif matrix[mid][0] > target:
                right = mid - 1
                mid = (left + right) // 2
            else:
                left = mid + 1
                mid = (left + right) // 2
        a=left-1		#执行到这里,应该是每行的首个元素大小不匹配的情况,
        				#因为没有找到的终止条件是left>right,
        				#所以right才是最后没有找到元素的位置,故a=right
        left = 0		
        right = column - 1
        mid = (left + right) // 2
        while left <= right:
            if matrix[a][mid] == target:
                return True
            elif matrix[a][mid] > target:
                right = mid - 1
                mid = (left + right) // 2
            else:
                left = mid + 1
                mid = (left + right) // 2
        return False

1382. 将二叉搜索树变平衡(中等)→平衡二叉树

还以为是构造平衡二叉树呢,仔细一看题发现直接把原来的树中序遍历之后得一个有序数组
然后递归地选取中间节点作为根就ok了

class Solution(object):

    def balanceBST(self, root):
        """
        :type root: TreeNode
        :rtype: TreeNode
        """
        nums=[]
        def visited(root):
            if root.left:
                visited(root.left)
            nums.append(root.val)
            if root.right:
                visited(root.right)
        def ave_tree(root,nums,left,right):
            mid=(left+right)//2
            root.val=nums[mid]
            if left<mid:
                root.left=TreeNode()
                ave_tree(root.left, nums, left, mid - 1)
            if right > mid:
                root.right = TreeNode()
                ave_tree(root.right, nums, mid + 1, right)
        if root.left:
            visited(root.left)
        nums.append(root.val)
        if root.right:
            visited(root.right)
        left=0
        right=len(nums)-1
        mid=(left+right)//2
        root1=TreeNode(nums[mid])   #新的平衡树,中间节点是数组中位数
        if left < mid:
            root1.left = TreeNode()
            ave_tree(root1.left, nums, left, mid - 1)
        if right > mid:
            root1.right = TreeNode()
            ave_tree(root1.right, nums, mid + 1, right)
        return root1

53. 最大子数组和(中等)→Kadane 算法

给你一个整数数组 nums ,请你找出一个具有最大和的连续子数组(子数组最少包含一个元素),返回其最大和。子数组是数组中的一个连续部分。
示例 1:
输入:nums = [-2,1,-3,4,-1,2,1,-5,4]
输出:6
解释:连续子数组 [4,-1,2,1] 的和最大,为 6 。
示例 2:
输入:nums = [1]
输出:1
示例 3:
输入:nums = [5,4,-1,7,8]
输出:23

又是一个没听说过得算法,甚至怎么读都不知道
必须百度之!
Kadane 算法知识点:

Kadane 算法知识点:
1、用于解决最大子数组和问题(在给定整数数组中找到一个连续的子数组,使其元素之和最大(数组可能含有负数))
2、核心思想是通过迭代数组的每个元素,维护两个变量来跟踪局部最优解和全局最优解
算法步骤:
1、设置两个变量,max_cur(在当前位置结束的最大子数组和)和max_global(全局最大子数组和)。都初始化为第一个变量的值
2、迭代:从数组第二个元素开始遍历。在每一步中,更新这两个变量,
更新max_cur=max(a[i],max_cur+a[i])
>这表示要么继续当前的子数组(如果加上当前元素后和更大),要么重新开始一个新的子数组(如果当前元素本身比之前的子数组和大)
更新max_global=max(max_global,max_cur)
3、返回max_global
时间复杂度: O(n)

我去!好神奇!一把过!!!
代码:

class Solution(object):
    def maxSubArray(self, nums):
        """
        :type nums: List[int]
        :rtype: int
        """
        if len(nums)==1:
            return nums[0]
        max_cur=nums[0]
        max_global=nums[0]
        for i in range(1,len(nums)):
            max_cur=max(max_cur+nums[i],nums[i])
            max_global=max(max_global,max_cur)
        return max_global

215. 数组中的第K个最大元素(中等)→堆

给定整数数组 nums 和整数 k,请返回数组中第 k 个最大的元素。
请注意,你需要找的是数组排序后的第 k 个最大的元素,而不是第 k 个不同的元素。
你必须设计并实现时间复杂度为 O(n) 的算法解决此问题。
示例 1:
输入: [3,2,1,5,6,4], k = 2
输出: 5
示例 2:
输入: [3,2,3,1,2,4,5,5,6], k = 4
输出: 4

这道题是关于堆的题,所以第一印象就是建堆,然后依次输入最大值。开干!
两种建堆手法:
库函数建堆:

因为python的建堆函数,默认建立小根堆,所以取相反数建堆,可以建立大根堆
需要引入模块 import heapq

        import heapq
        for i in range(len(nums)):
            nums[i]=-nums[i]
        heapq.heapify(nums)
        for i in range(len(nums)):
            nums[i]=-nums[i]
        print(nums)

手动建堆:

        if len(nums)==1 and k==1:
            return nums[0]
        #手撸法
        def big_heap(nums):
            n=len(nums)
            for i in range(n//2-1,-1,-1):   #从最后一个非叶子节点开始向上调整
                temp=nums[i]
                j=2*i+1     #左孩子索引
                while j<n:
                    #如果右孩子存在且右孩子更大
                    if j + 1 < n and nums[j + 1] > nums[j]:
                        j = j + 1
                    if temp>=nums[j]:
                        break
                    else:   #孩子节点更大
                        nums[i]=nums[j]
                        i=j             #这两行的作用是递归的向下迭代
                        j=2*i+1         #当前节点循环过后,i和j开始控制该节点的孩子节点和孙子节点
                nums[i]=temp            #直到完全遵循大根堆的条件,把开始保存的最初节点放在他该放在的位置上

当我意气风发写完了之后,
在这里插入图片描述

气煞老夫!!!为什么超时了!!!我明明写的是大根堆啊

哎可能是我堆的调整有问题吧
看了一眼题解:

import heapq
class Solution(object):
    def findKthLargest(self,nums, k):
        heap = []
        for num in nums:	#因为是小根堆,所以每次弹入相反数
            heapq.heappush(heap, -num)
        for _ in range(k-1):
            heapq.heappop(heap)
        return -heapq.heappop(heap)

题解中用到了python的内置函数,heapq
我查了查他的功能

功能是建立小根堆
创建堆:两种方式

nums = [4,2,53,12,5,1]
#第一种逐个元素建堆
heap = []
for num in nums:
    heapq.heappush(heap, -num)
print(nums)
#[1, 4, 2, 12, 5, 53]
# 第二种:原地建堆
nums = [4,2,53,12,5,1]
heapq.heapify(nums)
print(nums)
#[1, 2, 4, 12, 5, 53])


弹出根元素:
heappop(heap),返回最小值。
当堆为空,报错indexerror
压入元素
heappush(heap,item)

最后。。。。。。。。。。。。。。。。。。。。。。。。
呵呵。。

我真的无语!!!!!这都行!!!!我费了好久好久的力气才把堆写好。看一眼题解,发现这个也行阿阿阿阿阿阿阿,我疯了!!!!
在这里插入图片描述

最后成果

- 30. 串联所有单词的子串(困难)→滑动窗口
- 53. 最大子数组和(中等)→Kadane 算法
- 1382. 将二叉搜索树变平衡(中等)→平衡二叉树
- 215. 数组中的第K个最大元素(中等)→堆
- 35. 搜索插入位置(简单)→二分查找
- 74. 搜索二维矩阵(中等)→二分查找
- 77. 组合(中等)→回溯

    1. 打家劫舍(中等)→一维动态规划

结论

堆的那道题我直接裂开了,动态规划不写了,留给明天把,我心死
今日精神极其不稳地

标签:150,right,nums,max,mid,面试,数组,刷题,left
From: https://blog.csdn.net/weixin_46034279/article/details/137243008

相关文章

  • PW1503 3A过流保护芯片:超低RDS(ON),工作温度低
    在电源管理领域,开关的性能直接关系到设备的稳定性和安全性。今天,我们将详细解析一款备受关注的超低RDS(ON)开关——PW1503。它不仅具有可编程的电流限制功能,还集成了多项保护机制,为各类电子设备提供了高效、安全的电源解决方案。首先,我们来了解一下PW1503的基本特性。这款开关采用......
  • 关于EF延时加载的面试题
    publicasyncTask<ActionResult>GetData(){vardata=(fromleftdatainGetLeft()joinrightdatainGetRight()onleftdata.Idequalsrightdata.Idintotempdatafrommatchdataintempdata.DefaultIfE......
  • 2024前端vue面试问题以及答案
    Vuex相关问题Vuex是什么,它解决了什么问题?Vuex是一个专为Vue.js应用程序开发的状态管理模式。它采用集中式存储管理应用的所有组件的状态,并以相应的规则保证状态以一种可预测的方式发生变化。Vuex的核心概念有哪些?State:存储所有组件的状态。Getters:类似于计算属......
  • Android程序员必备的面试技巧!这五个快速码住!
    前言“程序员必备的面试技巧,就像是编写一段完美的代码一样重要。在面试战场上,我们需要像忍者一样灵活,像侦探一样聪明,还要像无敌铁金刚一样坚定。只有掌握了这些技巧,我们才能在面试的舞台上闪耀光芒,成为那个令HR们心动的程序猿!”Android程序员在面试时,除了需要具备扎实的......
  • 【leetcode】链表篇刷题 --
    //删除指定value节点classSolution{public:ListNode*removeElements(ListNode*head,intval){//单独处理headwhile(head!=NULL&&head->val==val){ListNode*temp=head;head=head->next;......
  • 每日刷题 3.17
    一.题目给定一个排序数组和一个目标值,在数组中找到目标值,并返回其索引。如果目标值不存在于数组中,返回它将会被按顺序插入的位置。示例1:输入:nums=[1,3,5,6],target=5输出:2示例2:输入:nums=[1,3,5,6],target=2输出:1二.思路分析1.采用暴力算法,如果数组......
  • GitHub上标星120k的Java进阶面试教程等!(建议收藏
    转发+关注,然后私信回复关键字“888”即可获得我精心整理的《Java开源项目合集》资料八、《JavaFamily》==============【互联网一线大厂面试+学习指南】进阶知识完全扫官。 部分目录:九、《interview_internal_reference》==================================2......
  • 2024最新分享我的面经总结:Java面试技术点攻略(九大核心专题
    关于操作系统这一部分,其实问的内容并不多,主要是因为这一部分问来问去也都是那么几个同样的问题,例如线程通信,线程与进程区别,进程调度算法以及虚拟内存、物理内存等。所以,在这一方面,我也整理了一些相对核心的内容。核心三:MySQL=========MySQL就更不用多说了,数据库不问......
  • 2024最新一线互联网大厂常见高并发面试题解析
    面试官:临界区是什么?答:临界区用来表示一种公共资源或者说是共享资源,可以被多个线程使用。但是每一次,只能有一个线程使用它,一旦临界区资源被占用,其他线程要想使用这个资源,就必须等待。比如,在一个办公室里有一台打印机,打印机一次只能执行一个任务。如果小王和小明同时需要打......
  • 【Java跳槽面试必备】2024年最新八股文
    【前言】网上各种面试八股文太多太多,但我今年找了好几个都是很久很久以前的老面试题,老文档了,和我出去面试市场上面试官问的问题基本上不一样了,可以说被打了一个措手不及,浪费了好几个机会,回来又找了好一些资料,以及结合自己最近的面试情况总结了一些心得免费分享给大家!虽然只有几本......