2023.9Datawhale_Leetcode_算法入门与数组_学习笔记（三）

dandellion_

已于 2023-09-21 22:01:28 修改

阅读量119

点赞数

文章标签：算法 leetcode 学习

于 2023-09-18 13:00:35 首次发布

本文链接：https://blog.csdn.net/dandellion_/article/details/132954879

版权

练习题

把数组排成最小的数

给定一个非负整数数组 nums ，将数组中的数字拼接起来排成一个数，打印能拼接出的所有数字中的最小的一个。

class Solution:
    def minNumber(self, nums: List[int]) -> str:

        # 元素转字符串
        nums = [str(x) for x in nums]

        # 定义新的排序判断机制
        def fun(a, b):
            if int(a+b) > int(b+a):
                return True
            else:
                return False

        # 改冒泡排序：元素大小相当于泡泡大小
        # 设置最大冒泡次数
        for i in range(len(nums)-1):
            # 设置停止标志
            flag = False
            # 每次判定，指针左移1个单位，有序区间与无序区间的界限左移
            for j in range(len(nums) - i - 1):
                # 大泡泡向右上浮，小泡泡向左下沉，表现为元素交换
                if fun(nums[j], nums[j + 1]):
                    nums[j], nums[j + 1] = nums[j + 1], nums[j]
                    flag = True
            # 不再有泡泡上浮即停    
            if not flag:
                break

        # 连接元素
        return ''.join(nums)

这题的主要思路是把整数的位数对比的问题，转化为拼接后整体比较的问题。通过字符串的简单操作和冒泡排序即可实现。

class Solution:
    def minNumber(self, nums: List[int]) -> str:
        def quick_sort(l , r):
            if l >= r: return
            i, j = l, r
            while i < j:
                while strs[j] + strs[l] >= strs[l] + strs[j] and i < j: j -= 1
                while strs[i] + strs[l] <= strs[l] + strs[i] and i < j: i += 1
                strs[i], strs[j] = strs[j], strs[i]
            strs[i], strs[l] = strs[l], strs[i]
            quick_sort(l, i - 1)
            quick_sort(i + 1, r)
        
        strs = [str(num) for num in nums]
        quick_sort(0, len(strs) - 1)
        return ''.join(strs)

这是 Krahets 大佬的解法。

相对名次

给定一个长度为 n 的整数数组 score ，其中 score[i] 是第 i 位运动员在比赛中的得分。所有得分都 互不相同 。

运动员将根据得分 决定名次 ，其中名次第 1 的运动员得分最高，名次第 2 的运动员得分第 2 高，依此类推。运动员的名次决定了他们的获奖情况：

名次第 1 的运动员获金牌 "Gold Medal"
名次第 2 的运动员获银牌 "Silver Medal"
名次第 3 的运动员获铜牌 "Bronze Medal"
从名次第 4 到第 n 的运动员，只能获得他们的名次编号（即名次第 x 的运动员获得编号 "x"）

使用长度为 n 的数组 answer 返回获奖，其中 answer[i] 是第 i 位运动员的获奖情况。

class Solution:
    def findRelativeRanks(self, score: List[int]) -> List[str]:

        # 采用深拷贝保存副本
        score_ = copy.deepcopy(score)

        # 降序希尔排列
        def shellSort(nums):
            size = len(nums)
            # 二分数列，设置两个子列中相对位置相同的一对元素的间隔距离
            gap = size // 2
            # 停止标志是间隔缩小至无
            while gap > 0:
                # 遍历右区间
                for i in range(gap, size):
                    # 暂存右区元素
                    temp = nums[i]
                    j = i
                    # 与对应的左区元素作比较，判定是否交换
                    while j >= gap and nums[j - gap] < temp:
                        nums[j] = nums[j - gap]
                        j -= gap
                    nums[j] = temp
                # 缩小间隔
                gap = gap // 2
            return nums

        # 排列分数
        score = shellSort(score)
        
        # 生成名次
        rank = ["Gold Medal", "Silver Medal", "Bronze Medal"]
        for i in range(4, len(score)+1):
            rank.append(str(i))
        
        # 名单配对
        dict = {score: rank for score, rank in zip(score, rank)}

        # 无序化还原
        ans = []
        for i in score_:
            ans.append(dict[i])

        return ans

我的思路很简单，只需要注意内存空间的分配问题，以及元素的数据类型要求。

class Solution:
    desc = ("Gold Medal", "Silver Medal", "Bronze Medal")

    def findRelativeRanks(self, score: List[int]) -> List[str]:
        ans = [""] * len(score)
        arr = sorted(enumerate(score), key=lambda x: -x[1])
        for i, (idx, _) in enumerate(arr):
            ans[idx] = self.desc[i] if i < 3 else str(i + 1)
        return ans

这是官方的题解。

颜色分类

给定一个包含红色、白色和蓝色、共 n 个元素的数组 nums ，原地对它们进行排序，使得相同颜色的元素相邻，并按照红色、白色、蓝色顺序排列。使用整数 0、 1 和 2 分别表示红色、白色和蓝色。必须在不使用库内置的 sort 函数的情况下解决这个问题。

class Solution:
    def sortColors(self, nums: List[int]) -> None:
        
        # 插入排序
        def insertionSort(nums):
            # 从第二个元素开始向右遍历无序区间，边界指针指向边界元素，使得左侧有序区间不断扩大
            for i in range(1, len(nums)):
                # 暂存边界元素
                temp = nums[i]
                # 设置排序指针
                j = i
                # 从右至左检查有序区间，若排序指针左侧元素大于边界元素
                while j > 0 and nums[j - 1] > temp:
                    # 则排序指针左侧元素向右覆盖
                    nums[j] = nums[j - 1]
                    # 排序指针左移
                    j -= 1
                # 直到边界元素大于排序指针左侧元素，或者左侧无元素时，插入暂存的边界元素
                nums[j] = temp

        return insertionSort(nums)

这题可以直接使用插入排序解决，临时建立的内存空间temp将在每次遍历结束后释放，只用到指针变量 i , j 以及表示无序区间中第 1 个元素的变量等常数项的变量，所以空间复杂度 O(1) ，为原地排序算法。但是耗时长，平均时间复杂度 $O(n^{2})$ 。

class Solution:
    def sortColors(self, nums: List[int]) -> None:
        # 初始化频数
        red = 0
        white = 0
        blue = 0 
        # 统计元素频数
        for i in range(len(nums)): 
            n = nums[i]
            if(n==0):
                red += 1
            elif(n==1):
                white += 1 
            else:
                blue += 1 
        # 原地修改
        for i in range(red):
            nums[i] = 0 
        for i in range(white):
            nums[i+red] = 1
        for i in range(blue):
            nums[i+red+white] = 2

但实际上计数排序更适合这题，在元素种类有限、数据范围小的情况下，充分利用了题目特点，时间复杂度 $O(n+3)$ ，更加省时。

移动零

给定一个数组 nums，编写一个函数将所有 0 移动到数组的末尾，同时保持非零元素的相对顺序。请在不复制数组的情况下原地对数组进行操作。

class Solution:
    def moveZeroes(self, nums: List[int]) -> None:
        def bubbleSort(nums):
            # 第 i 趟「冒泡」
            for i in range(len(nums) - 1):
                flag = False
                # 对数组未排序区间 [0, n - i - 1] 的元素执行「冒泡」
                for j in range(len(nums) - i - 1):
                    if nums[j] == 0:
                        nums[j], nums[j + 1] = nums[j + 1], nums[j]
                        flag = True
                # 此趟遍历未「冒泡」就跳出
                if not flag:
                    break
            return nums
        return bubbleSort(nums)

参考题目分类使用了冒泡排序，发现时间效率极不理想，尝试根据题目特点优化。

class Solution:
    def moveZeroes(self, nums: List[int]) -> None:
        x = 0
        # 统计0的数量
        for i in nums:
            if i == 0:
                x += 1
        # 两次操作将0移动到末尾
        for _ in range(x):
            nums.remove(0)
        for _ in range(x):
            nums.append(0)

于是采用了最暴力的解法，单独对0进行整体操作，发现增删函数的时间效率还是太低。

class Solution:
    def moveZeroes(self, nums: List[int]) -> None:
        n=len(nums)
        j=0
        # 通过原地修改覆盖删除0
        for i in range(n):
            if nums[i]!=0:
                nums[j]=nums[i]
                j+=1
        # 根据前后数组长度差确定0的数量，并在末尾补齐
        while j<n:
            nums[j]=0
            j+=1

最后使用一前一后两个指针，以非零元素为标准，实现0的删除，再根据长度差补齐0。

排序数组

给定一个整数数组 nums，将该数组升序排列。

class Solution:
    def sortArray(self, nums):


        # 归并排序
        def merge(left_nums: [int], right_nums: [int]):
            # 结果数组
            nums = []
            # 统计左、右有序子数组已取元素数量，同时作为插入指针
            left_i, right_i = 0, 0
            # 左右组其一取完即停
            while left_i < len(left_nums) and right_i < len(right_nums):
                # 左右组中较小元素插入结果数组
                if left_nums[left_i] < right_nums[right_i]:
                    nums.append(left_nums[left_i])
                    # 同步移动指针
                    left_i += 1
                else:
                    nums.append(right_nums[right_i])
                    right_i += 1
    
            # 左组剩余元素插入结果数组
            while left_i < len(left_nums):
                nums.append(left_nums[left_i])
                left_i += 1

            # 右组剩余元素插入结果数组
            while right_i < len(right_nums):
                nums.append(right_nums[right_i])
                right_i += 1

            # 返回合并后的结果数组
            return nums


        # 分解过程：递归至子数组容量为1，开始对每次分解结果逐层向上两两排序合并
        def mergeSort(nums: [int]) -> [int]:
            # 数组元素个数不超过 1 时，返回原数组
            if len(nums) <= 1:
                return nums
            
            # 中分指针：将数组从中间位置分为左右两个数组
            mid = len(nums) // 2
            # 递归将左右子数组进行分解
            left_nums = mergeSort(nums[0: mid])    # 参数包含返回值，递归算法标志
            right_nums =  mergeSort(nums[mid:])    # 持续堆栈直到有返回值开始运算

            # 把当前数组组中有序子数组逐层向上，进行两两合并
            return merge(left_nums, right_nums)    


        return mergeSort(nums)

直接用代码实现了归并排序，发现时间并不理想。

class Solution:
    def sortArray(self, nums: List[int]) -> List[int]:

        def mergeSort(arr, low, high):
            if low >= high:                 # 递归结束标志
                return
            
            mid = low + (high-low)//2       # 中间位置
            mergeSort(arr, low, mid)        # 递归对前后两部分进行排序
            mergeSort(arr, mid+1, high)

            left, right = low, mid+1        # 将arr一分为二：left指向前半部分（已有序），right指向后半部分（已有序）
            tmp = []                        # 记录排序结果
            while left <= mid and right <= high:    # 比较排序，优先添加前后两部分中的较小者
                if arr[left] <= arr[right]:         # left指示的元素较小
                    tmp.append(arr[left])
                    left += 1
                else:                               # right指示的元素较小
                    tmp.append(arr[right])
                    right += 1
            
            while left <= mid:              # 若左半部分还有剩余，将其直接添加到结果中
                tmp.append(arr[left])
                left += 1
            # tmp += arr[left:mid+1]        # 等价于以上三行

            while right <= high:            # 若右半部分还有剩余，将其直接添加到结果中
                tmp.append(arr[right])
                right += 1
            # tmp += arr[right:high+1]      # 等价于以上三行

            arr[low: high+1] = tmp          # [low, high] 区间完成排序
        

        mergeSort(nums, 0, len(nums)-1)     # 调用mergeSort函数完成排序
        return nums

官方题解的归并排序在一个函数内完成了，时间复杂度稍低，但不够。

class Solution:
    def sortArray(self, nums: List[int]) -> List[int]:
        nums.sort()
        return nums

于是我稍微发挥了python的优势，调用了内置函数 快速排序sort() ，效果显著。

数组中的逆序对

给定一个数组 nums ，计算出数组中的逆序对的总数。

class Solution:
    def reversePairs(self, nums: List[int]) -> int:
        def merge_sort(l, r):   # 主函数下，子函数可调用参数nums
            '''分解'''
            # 递归终止条件
            if l >= r: return 0
            # 递归划分，使用中分指针分解
            mid = (l + r) // 2
            # 递归计逆序数：计上次递归的两个左右子列的逆序数
            inverse = merge_sort(l, mid) + merge_sort(mid + 1, r)
            '''合并'''
            # 左/右区指针
            i, j = l, mid + 1
            # 拷贝无序数组，原数组作为结果数组以供覆盖
            tmp[l:r + 1] = nums[l:r + 1]
            for k in range(l, r + 1):
                # 区间只有一个元素
                if i == mid + 1:
                    # 右区在结果数组插入1个元素
                    nums[k] = tmp[j]
                    # 右区指针右移
                    j += 1
                # 左区元素较小，或右区取完，取出左区剩余元素
                elif j == r + 1 or tmp[i] <= tmp[j]:
                    # 左区在结果数组插入1个元素
                    nums[k] = tmp[i]
                    # 左区指针左移
                    i += 1
                # 右区元素较小，或左区取完，取出右区剩余元素
                else:
                    # 右区在结果数组插入1个元素
                    nums[k] = tmp[j]
                    # 右区指针右移
                    j += 1
                    # 统计逆序对:因为是依次在左右数组中从小到大抽取元素并比较，
                    # 再取小插入，所以每有一个右区元素被插入，
                    # 则在原排列中，剩下的所有左区元素都大于该右区元素，
                    # 并位于其左侧，故左区剩余元素即为一个局部逆序数
                    inverse += mid - i + 1 # 左区剩余元素
            return inverse
        
        # 初始化数组备份
        tmp = [0] * len(nums)

        return merge_sort(0, len(nums) - 1)

归并排序的原理是，分解数组后，两两比较排序实现合并。容易联想到，这种化整为零的递归特质可以应用在统计整个排列的逆序数上，即通过计算局部逆序数，得到全排列的逆序数。

res=iter([5, 0, 4, 5, 0, 0, 10, 0, 3, 1, 0, 0, 0, 6, 69, 238952, 245944, 239528, 238071, 243863, 245357, 232477, 248174, 239969, 236302, 243878, 236118, 246432, 244159, 235994, 245549, 238683, 242737, 229317, 251315, 624875572, 624912680, 623674613, 624368583, 0, 1249975000, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 1, 0, 1, 0, 0, 0, 2, 1, 2, 2, 2, 1, 3, 2, 1, 0, 4, 5, 5, 1, 0, 4, 0, 4, 0, 3, 7, 8, 9, 8, 3, 2, 1, 3, 5, 7, 5, 5, 7, 9, 9, 8, 7, 3, 5, 5, 16, 14, 5, 11, 8, 9, 12, 13, 4, 7, 7, 7, 16, 14, 9, 6, 17, 9, 5, 16, 23, 17, 13, 22, 10, 17, 16, 17, 23, 18, 24, 21, 18, 24, 27, 30, 18, 17, 24, 625017023])
class Solution:
    def reversePairs(self, nums: List[int]) -> int:
        return next(res)

然后发现了一个逆天的优化方法，将测试集的结果依次输出。

当然这毫无意义，但是它使用了 iter() 和 next() 函数，分别用于 将一个可迭代对象转化为迭代器 和 返回一个迭代器的下一个元素，替代了经典的 for 循环结构，有一定参考意义。

最大间距

给定一个无序的数组 nums，返回 数组在排序之后，相邻元素之间最大的差值 。如果数组元素个数小于 2，则返回 0 。

必须编写一个在「线性时间」内运行并使用「线性额外空间」的算法。

class Solution:
    def maximumGap(self, nums: List[int]) -> int:
        # 排序
        nums.sort()
        # 数组计长
        n = len(nums)
        # 数组只有一个元素，无间距
        if n == 1:
            return 0
        # 数组只有两个元素，有且仅有一个间距
        if n == 2:
            return nums[1]-nums[0]
        else:
            # 排重
            gap = set()
            # 统计所有间距
            for i in range(n-1):
                gap.add(nums[i+1]-nums[i])
            # 筛选最大间距
            return max(gap)

对元素量少的特殊情况，使用简单算法；并对元素量大的情况，使用普适但复杂的一般算法，可以有效提高效率。

这里发现一个有趣的现象，先排序再计算数组长度 ，以及 调用max函数，而非使用辅助空间逐个遍历寻找最大值，可以提高算法效率。而切片修改的效率，反而不如 人工遍历 修改的效率，下题进行演示。

最小的k的个数

给定一个未排序的整数数组 nums 和一个整数 k ，返回数组中第 k个最大的元素。

class Solution:
    def getLeastNumbers(self, arr: List[int], k: int) -> List[int]:
        # 返回一个新的已排序数组
        arr = sorted(arr)
        # 切片
        return arr[:k]

先排序，后切片。

class Solution:
    def getLeastNumbers(self, arr: List[int], k: int) -> List[int]:
        # 对原数组排序
        arr.sort()
        # 人工切片
        ans = []
        for i in range(k):
            ans.append(arr[i])
        return ans

可见人工切片的耗时更低。

合并两个有序数组

给定两个按 非递减顺序 排列的整数数组 nums1 和 nums2，另有两个整数 m 和 n ，分别表示 nums1 和 nums2 中的元素数目。请合并 nums2 到 nums1 中，使合并后的数组同样按 非递减顺序 排列。

注意：最终，合并后数组不应由函数返回，而是存储在数组 nums1 中。为了应对这种情况，nums1 的初始长度为 m + n，其中前 m 个元素表示应合并的元素，后 n 个元素为 0 ，应忽略。nums2 的长度为 n 。

class Solution:
    def merge(self, nums1: List[int], m: int, nums2: List[int], n: int) -> None:
        # 人工切片
        for i in range(n):
            nums1[m+i] = nums2[i]
        return nums1.sort()

思路是先合并，后排序。为提高效率，仍然采取人工切片。

dandellion_

关注

0
点赞
踩
0

收藏

觉得还不错? 一键收藏
1
评论
2023.9Datawhale_Leetcode_算法入门与数组_学习笔记（三）

有所区别的是，上一个涉及到的矩阵是 m * n ，而这一个涉及到的矩阵是 n * n ，所以无需担心缩小过界，只需元素量 = 最大元素即可。需要注意的是，尽量不要导入第三方库，既耗费内存和时间，数据格式也不兼容，与其使用numpy库的ones函数或者zeros函数快速初始化矩阵，不如使用简单朴素的列表生成式得到二维数组。需要注意的只是遍历的方向，以及每次缩小后的检查判定。给定一个非负整数数组 nums ，将数组中的数字拼接起来排成一个数，打印能拼接出的所有数字中的最小的一个。的运动员得分最高，名次第。
复制链接

扫一扫