88 - 合并两个有序数组
给你两个有序整数数组 nums1 和 nums2,请你将 nums2 合并到 nums1 中,使 nums1 成为一个有序数组。初始化 nums1 和 nums2 的元素数量分别为 m 和 n 。你可以假设 nums1 有足够的空间(空间大小等于 m + n)来保存 nums2 中的元素。
示例 1:
输入:nums1 = [1,2,3,0,0,0], m = 3, nums2 = [2,5,6], n = 3
输出:[1,2,2,3,5,6]
class Solution:
def merge(self, nums1: List[int], m: int, nums2: List[int], n: int) -> None:
"""
Do not return anything, modify nums1 in-place instead.
"""
#先把多出的0 pop出来
for k in range(0, n):
nums1.pop()
i, j = 0, 0
plug = 0
while i < m:
if j >= n:
break
if nums2[j] <= nums1[i+plug]:
nums1.insert(i+plug, nums2[j])
j += 1
plug += 1
else:
i += 1
if j < n:
nums1.extend(nums2[j:])
return nums1
通过阅读题目发现nums1有多余的0,先把多出的0 pop掉;
设置i, j指针分别指向nums1和nums2,设置plug指针维护当前已在nums1中插入的元素个数(其实plug=j)只是为了清晰;
用 i<m 和 j<n 作为出循环的条件,当结束循环,nums2里还有值,说明nums2中没有遍历到的元素都比nums1中最大的大,因此直接extend即可。
这里用到了python list的insert和extend方法分别实现在指定位置插入一个元素和插入多个元素。
89 - 格雷编码
格雷编码是一个二进制数字系统,在该系统中,两个连续的数值仅有一个位数的差异。给定一个代表编码总位数的非负整数 n,打印其格雷编码序列。即使有多个不同答案,你也只需要返回其中一种。格雷编码序列必须以 0 开头。
示例 1:
输入: 2
输出: [0,1,3,2]
解释:
00 - 0
01 - 1
11 - 3
10 - 2
对于给定的 n,其格雷编码序列并不唯一。
例如,[0,2,3,1] 也是一个有效的格雷编码序列。
00 - 0
10 - 2
11 - 3
01 - 1
示例 2:
输入: 0
输出: [0]
解释: 我们定义格雷编码序列必须以 0 开头。
给定编码总位数为 n 的格雷编码序列,其长度为 2n。当 n = 0 时,长度为 20 = 1。
因此,当 n = 0 时,其格雷编码序列为 [0]。
class Solution:
def grayCode(self, n: int) -> List[int]:
if n == 0:
return [0]
codes = self.grayCode(n-1)
codes_reverse = [pow(2,n-1)+i for i in codes]
return codes + codes_reverse[::-1]
完全参考了格雷编码极简递归法
首先要看懂格雷编码,才能找到规律。
在一组数的编码中,若任意两个相邻的代码只有一位二进制数不同,则称这种编码为格雷码(Gray Code),另外由于最大数与最小数之间也仅一位数不同,即“首尾相连”,因此又称循环码或反射码。格雷码(Gray Code)又称Grey Code、葛莱码、格莱码、戈莱码、循环码、反射二进制码、最小差错码等。
然后就是把上述思路写成递归即可。
剑指Offer 55 - 二叉树的深度
输入一棵二叉树的根节点,求该树的深度。从根节点到叶节点依次经过的节点(含根、叶节点)形成树的一条路径,最长路径的长度为树的深度。
# Definition for a binary tree node.
# class TreeNode:
# def __init__(self, x):
# self.val = x
# self.left = None
# self.right = None
class Solution:
def maxDepth(self, root: TreeNode) -> int:
if not root:
return 0
return max(self.maxDepth(root.left), self.maxDepth(root.right)) + 1
采用深度优先搜索(DFS),用递归实现,此树的深度和其左(右)子树的深度之间的关系。显然,此树的深度=max(左子树的深度, 右子树的深度)+1 。终止条件:当root为空,说明已越过所有叶节点,因此返回深度0。
时间复杂度:
O
(
N
)
O(N)
O(N),N为树的节点数量,计算树的深度需要遍历所有节点;
空间复杂度:
O
(
N
)
O(N)
O(N),最差情况下(当树退化为链表时),递归深度可达到N。
class Solution:
def maxDepth(self, root: TreeNode) -> int:
if not root:
return 0
queue = [root]
num = 0
while queue:
tmp = []
for node in queue:
if node.left:
tmp.append(node.left)
if node.right:
tmp.append(node.right)
queue = tmp
num += 1
return num
利用广度优先算法(BFS), 每遍历一层,则计数器+1,直到遍历完成,则可得到树的深度。
时间复杂度:
O
(
N
)
O(N)
O(N),N为树的节点数量,计算树的深度需要遍历所有节点;
空间复杂度:
O
(
N
)
O(N)
O(N),最差情况下(树平衡时),queue中同时存储N/2个节点。