【python/M/153 】Find Minimum in Rotated Sorted Array

题目描述

这里写图片描述

基本思路

题目中给出我们两个关键点,其一:这是个一升序数组,其二被一个pivot旋转了一下。
旋转过后的数组具有一下特点:
1. 以这个pivot为中心(这个中心就是我们要求的最小值)
2. 数组分为两部分,前半部分递增,后半部分也递增
3. 如果是旋转的,nums[0] > nums[-1]

一般见到有序的,就选择二分查找来做,都是变体。

实现代码

class Solution(object):
    def findMin(self, nums):
        """
        :type nums: List[int]
        :rtype: int
        """
        # 判断是否有旋转
        if len(nums) == 1 or nums[0] < nums[-1]:
            return nums[0]

        minD = nums[0]
        length = len(nums)
        left,right = 0,length-1

        while left <= right:
            mid = (left+right) // 2  
            if nums[mid] >= minD:
                left = mid + 1
            else:
                minD = nums[mid]
                right = mid

        return minD
minimum_rotated_rectangle 是一种常用的计算几何算法,用于计算一个凸多边形的最小外接矩形。这个矩形是能够包含整个凸多边形的最小面积矩形。 在 Python 中,可以使用 OpenCV 库中的 `minAreaRect` 函数来计算一个凸多边形的最小外接矩形。这个函数接受一个包含多边形顶点坐标的 numpy 数组作为输入,返回一个矩形对象,其中包含了最小外接矩形的中心坐标、宽度、高度以及旋转角度等信息。 下面是一个示例代码,演示了如何使用 `minAreaRect` 函数计算一个凸多边形的最小外接矩形: ```python import cv2 import numpy as np # 创建一个凸多边形 points = np.array([(0, 0), (0, 100), (100, 100), (100, 50), (50, 0)]) hull = cv2.convexHull(points) # 计算凸多边形的最小外接矩形 rect = cv2.minAreaRect(hull) # 绘制凸多边形和最小外接矩形 img = np.zeros((200, 200, 3), dtype=np.uint8) cv2.drawContours(img, [hull], 0, (0, 255, 0), 2) box = cv2.boxPoints(rect).astype(np.int32) cv2.drawContours(img, [box], 0, (0, 0, 255), 2) # 显示结果 cv2.imshow('Minimum Rotated Rectangle', img) cv2.waitKey(0) cv2.destroyAllWindows() ``` 在这个示例代码中,我们首先创建了一个凸多边形,然后使用 `convexHull` 函数计算了凸包,最后使用 `minAreaRect` 函数计算了凸多边形的最小外接矩形,并绘制了结果图像。可以通过修改 `points` 变量中的坐标,来测试不同形状的凸多边形。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值