1 #146-LRU 缓存机制
-
题目:
运用你所掌握的数据结构,设计和实现一个 LRU (最近最少使用) 缓存机制 。
实现 LRUCache 类:- LRUCache(int capacity) 以正整数作为容量 capacity 初始化 LRU 缓存
- int get(int key) 如果关键字 key 存在于缓存中,则返回关键字的值,否则返回 -1 。
- void put(int key, int value) 如果关键字已经存在,则变更其数据值;如果关键字不存在,则插入该组「关键字-值」。当缓存容量达到上限时,它应该在写入新数据之前删除最久未使用的数据值,从而为新的数据值留出空间。
进阶:你是否可以在 O(1) 时间复杂度内完成这两种操作?
- 示例:
输入 ["LRUCache", "put", "put", "get", "put", "get", "put", "get", "get", "get"] [[2], [1, 1], [2, 2], [1], [3, 3], [2], [4, 4], [1], [3], [4]] 输出 [null, null, null, 1, null, -1, null, -1, 3, 4] 解释 LRUCache lRUCache = new LRUCache(2); lRUCache.put(1, 1); // 缓存是 {1=1} lRUCache.put(2, 2); // 缓存是 {1=1, 2=2} lRUCache.get(1); // 返回 1 lRUCache.put(3, 3); // 该操作会使得关键字 2 作废,缓存是 {1=1, 3=3} lRUCache.get(2); // 返回 -1 (未找到) lRUCache.put(4, 4); // 该操作会使得关键字 1 作废,缓存是 {4=4, 3=3} lRUCache.get(1); // 返回 -1 (未找到) lRUCache.get(3); // 返回 3 lRUCache.get(4); // 返回 4
-
分析:
字典加双向链表 -
答案:
class Node: def __init__(self,key,val): self.key=key self.val=val self.next=None self.prev=None class LRUCache: def __init__(self, capacity: int): self.dic={} self.head=Node(None,None) self.tail=Node(None,None) self.head.next=self.tail self.tail.prev=self.head self.capacity=capacity def get(self, key: int) -> int: if not key in self.dic: return -1 node=self.dic[key] self.delete(node) self.insert(node) return node.val def insert(self,node): node.next,node.prev=self.head.next,self.head temp=self.head.next self.head.next=node temp.prev=node def delete(self,node): node.prev.next,node.next.prev=node.next,node.prev def put(self, key: int, value: int) -> None: if key in self.dic: node=self.dic[key] node.val=value self.delete(node) self.insert(node) return if len(self.dic)==self.capacity: node=self.tail.prev self.delete(node) del self.dic[node.key] node=Node(key,value) self.dic[key]=node self.insert(node) ```
2 #148-排序链表
- 题目:
给你链表的头结点 head ,请将其按 升序 排列并返回 排序后的链表。- 进阶:
你可以在 O(n log n) 时间复杂度和常数级空间复杂度下,对链表进行排序吗? - 示例1:
输入:head = [4,2,1,3] 输出:[1,2,3,4]
- 进阶:
- 分析:
递归思想 - 答案:
class Solution: def sortList(self, head: ListNode) -> ListNode: if not head or not head.next: return head slow = head fast = head # 用快慢指针分成两部分 while fast.next and fast.next.next: slow = slow.next fast = fast.next.next # 找到左右部分, 把左部分最后置空 mid = slow.next slow.next = None # 递归下去 left = self.sortList(head) right = self.sortList(mid) # 合并 return self.merge(left, right) def merge(self, left, right): dummy = ListNode(0) p = dummy l = left r = right while l and r: if l.val < r.val: p.next = l l = l.next p = p.next else: p.next = r r = r.next p = p.next if l: p.next = l if r: p.next = r return dummy.next
3 #155-最小栈
-
题目:
设计一个支持 push ,pop ,top 操作,并能在常数时间内检索到最小元素的栈。- push(x) —— 将元素 x 推入栈中。
- pop() —— 删除栈顶的元素。
- top() —— 获取栈顶元素。
- getMin() —— 检索栈中的最小元素。
- 示例:
输入: ["MinStack","push","push","push","getMin","pop","top","getMin"] [[],[-2],[0],[-3],[],[],[],[]] 输出: [null,null,null,null,-3,null,0,-2] 解释: MinStack minStack = new MinStack(); minStack.push(-2); minStack.push(0); minStack.push(-3); minStack.getMin(); --> 返回 -3. minStack.pop(); minStack.top(); --> 返回 0. minStack.getMin(); --> 返回 -2.
-
分析:
-
答案:
class MinStack(object): def __init__(self): """ initialize your data structure here. """ self.stack = [] def push(self, x): """ :type x: int :rtype: void """ if not self.stack: self.stack.append((x, x)) else: self.stack.append((x, min(x, self.stack[-1][1]))) def pop(self): """ :rtype: void """ self.stack.pop() def top(self): """ :rtype: int """ return self.stack[-1][0] def getMin(self): """ :rtype: int """ return self.stack[-1][1]