LeetCode0038. 外观数列

一. 题目

1. 题目
   
2. 示例
   

二. 方法一: 递归

1. 解题思路

   1. 递归方法
   2. 如果n = 1, 直接返回1
   3. 如果n > 1, 则计算出n - 1项结果
   4. 对结果进行遍历, 对相邻位置相同数字进行计数
   5. 然后拼接好的字符串即可

2. 解题代码

   class Solution:
       # 递归函数, 貌似写在主函数里面会报错, 不清楚是不是LeetCode不允许主函数递归
       def countNum(self, n: int) -> str:
           # 默认每个元素计数为1
           num = 1
           result = ""
           # 如果n = 1, 则结果为1
           if n == 1:
               return "1"
           # 如果 n > 1, 则获取countNum(n - 1)的结果
           else:
               str1 = self.countNum(n - 1)
               for i in range(len(str1)):
                   # 遍历到末尾之前, 且当前下标元素和后一个下标元素相等
                   if i + 1 < len(str1) and str1[i] == str1[i + 1]:
                       # 计数 + 1
                       num += 1
                   # 如果遍历到末尾 或者 当前下标元素和后一个下标元素不相等
                   else:
                       # 将当前的值和当前的数量拼接成字符串
                       result += str(num) + str1[i]
                       num = 1
           return result
       def countAndSay(self, n: int) -> str:
           return self.countNum(n)
   

3. 分析

三. 方法二:

1. 解题思路
   解题思路和方法1差不多, 但是这里使用循环代替了递归
   用变量保存了上一次判断的结果

2. 解题代码

   def countAndSay(self, n: int) -> str:
       # 第一项的结果为"1"
       preItem = '1'
       # 计算下一项
       for i in range(1, n):
           # 初始化
           # 将num赋值为1, 下一项设置为空字符串, ele指向前一项的第一个元素
           num = 1
           nextItem = ""
           ele = preItem[0]    
           # 遍历前一项的元素
           for j in range(1, len(preItem)):
               # 如果前一项和后一项的值相等, num + 1
               if ele == preItem[j]:
                   num += 1
               # 如果不相等, 进行字符串的拼接和num的初始化
               else:
                   # 将前一个元素的连续个数和值拼接成字符串
                   nextItem += str(num) + ele
                   # 将当前元素的值赋值给ele, 进行后续的比较
                   ele = preItem[j]
                   # 初始化num
                   num = 1
           # 拼接最后一项
           nextItem += str(num) + ele
           # 将后一项的值,赋值给前一项, 然后再循环
           preItem = nextItem
       return preItem
   

3. 分析
   时间复杂度: O(n^2)
   空间复杂度: O(n^2)