3. 数组中重复的数字
思路一:类似于桶排序,用空间换时间,开一个大小为n的bucket数组,令每个值为1。遍历一遍原始数组,遇到某个元素就在bucket数组的对应的位置减1,直到找到第一个小于0的。时间复杂度O(n),空间复杂度O(n)。
思路二:利用set的特点,遍历一遍,判断每个元素是否出现在set中。如果没出现则加入到set,若之前出现过则返回。这种做法感觉时间比前一种稍慢(多的时间是判断元素是否在集合中),但空间占用可能比之前的小。
代码一:
import numpy as np
class Solution:
def findRepeatNumber(self, nums: List[int]) -> int:
nums = np.array(nums)
n = nums.shape[0]
bucket = np.ones(n)
for idx, item in enumerate(nums):
bucket[item] -= 1
if bucket[item] < 0:
return int(item)
return 0
代码二:
class Solution:
def findRepeatNumber(self, nums: List[int]) -> int:
repeat = set()
for item in nums:
if item not in repeat:
repeat.add(item)
else:
return item
return 0
4. 二维数组中的查找
思路:从数组的右上(或左下)开始,加入从右上角开始(左下同理),根据左侧元素小,下方元素大的特点,可以将该二维数组抽象成一个以右上角为根结点的二叉搜索树。当target小于当前位置的元素,c- -;当target大于当前位置的元素,r++。最后要么中途找到了target,要么最终的索引值出界。时间复杂度:O(m+n),无额外空间开销。
代码:
import numpy as np
class Solution:
def inMatrix(self, r, c, len1, len2):
if r >= 0 and r < len1:
if c >= 0 and c < len2:
return True
return False
def findNumberIn2DArray(self, matrix: List[List[int]], target: int) -> bool:
matrix = np.array(matrix)
len1 = matrix.shape[0]
if len1 == 0:
return False
len2 = matrix.shape[1]
r, c = 0, len2-1
while self.inMatrix(r, c, len1, len2):
if target > matrix[r][c]:
r += 1
elif target < matrix[r][c]:
c -= 1
else:
return True
return False
5. 替换空格
思路一:简单粗暴的replace()大法
思路二:新建一个字符串,遍历原字符串,如果非空格,则拷贝过去;如果遇到空格,就在后面加’%20’
代码一:
class Solution:
def replaceSpace(self, s: str) -> str:
return s.replace(' ', '%20')
代码二:
class Solution:
def replaceSpace(self, s: str) -> str:
s1 = ''
for i in s:
if i == ' ':
s1 += '%20'
else:
s1 += i
return s1