目录
1. 问题描述
给定一个正整数 n
,找到并返回 n
的二进制表示中两个 相邻 1 之间的 最长距离 。如果不存在两个相邻的 1,返回 0
。
如果只有 0
将两个 1
分隔开(可能不存在 0
),则认为这两个 1 彼此 相邻 。两个 1
之间的距离是它们的二进制表示中位置的绝对差。例如,"1001"
中的两个 1
的距离为 3 。
例 1:
输入:n = 22 输出:2 解释:22 的二进制是 "10110" 。 在 22 的二进制表示中,有三个 1,组成两对相邻的 1 。 第一对相邻的 1 中,两个 1 之间的距离为 2 。 第二对相邻的 1 中,两个 1 之间的距离为 1 。 答案取两个距离之中最大的,也就是 2 。
示例 2:
输入:n = 8 输出:0 解释:8 的二进制是 "1000" 。 在 8 的二进制表示中没有相邻的两个 1,所以返回 0 。
示例 3:
输入:n = 5 输出:2 解释:5 的二进制是 "101" 。
提示:
1 <= n <= 10^9
2. 思路与算法
果然是周日消遣。
可以一次性直接变换成二进制表示(python中可以用内置函数bin),然后再遍历直接数相邻的1之间的间隔并求最大值即可。
但是更紧凑的做法是以迭代的方式,逐比特地求二进制表示,同时对相邻的1之间的间隔进行统计及求最大值。用prevOne记录前一个1的位置,初始化为-1,当prevOne大于等0时表示前面已经找到过1,如果再再找新的1时就可以计算其间距并更新最大间距值了。
3. 代码实现
class Solution:
def binaryGap(self, n: int) -> int:
prevOne = -1
k = 0
maxGap = 0
while n>0:
b = n%2 # current bit
n = n//2
if b == 1:
if prevOne >= 0:
gap = k - prevOne
maxGap = gap if gap>maxGap else maxGap
prevOne = k
k += 1
return maxGap
执行用时:36 ms, 在所有 Python3 提交中击败了70.75%的用户
内存消耗:15.1 MB, 在所有 Python3 提交中击败了5.10%的用户
居然性能表现这么差?!尤其是内存消耗。
改写了一下用"n&1" 并直接使用以替换"b=n%2",内存使用量性能排名大幅度上升了(^-^)。
class Solution:
def binaryGap(self, n: int) -> int:
prevOne = -1
k = 0
maxGap = 0
while n>0:
#b = n%2 # current bit
if n&1 == 1:
if prevOne >= 0:
gap = k - prevOne
maxGap = gap if gap>maxGap else maxGap
prevOne = k
n = n//2
k += 1
return maxGap
执行用时:36 ms, 在所有 Python3 提交中击败了70.75%的用户
内存消耗:14.9 MB, 在所有 Python3 提交中击败了39.46%的用户
进一步用max()函数替换了手动比较,时间性能大幅度改进了,看来还是内置函数用的香啊^-^
class Solution:
def binaryGap(self, n: int) -> int:
prevOne = -1
k = 0
maxGap = 0
while n>0:
#b = n%2 # current bit
if n&1 == 1:
if prevOne >= 0:
#gap = k - prevOne
#maxGap = gap if gap>maxGap else maxGap
maxGap = max(maxGap,k - prevOne)
prevOne = k
n = n//2
k += 1
return maxGap
执行用时:28 ms, 在所有 Python3 提交中击败了97.96%的用户
内存消耗:14.9 MB, 在所有 Python3 提交中击败了36.39%的用户