【代码随想录】202. 快乐数 |454. 四数相加 II

无情的学习机器～

已于 2024-07-29 23:21:33 修改

阅读量629

点赞数 10

文章标签： python leetcode

于 2024-07-29 23:13:06 首次发布

本文链接：https://blog.csdn.net/m0_46322965/article/details/140759072

版权

202. 快乐数

`divmod()`

是 Python 中的一个内置函数，它接收两个参数（被除数和除数），并返回一个包含商和余数的元组（tuple）。这个函数非常有用，特别是在需要同时获取除法结果的整数部分和余数时。

函数的基本语法如下：

divmod(a, b)
a 是被除数。
b 是除数。

函数会返回 (a // b, a % b)，其中 // 表示整数除法（向下取整），% 表示取模运算（即余数）

# 使用 divmod()  
result = divmod(9, 2)  
print(result)  # 输出: (4, 1) 因为 9 除以 2 的商是 4，余数是 1  
  
# 另一个示例  
result = divmod(10, 3)  
print(result)  # 输出: (3, 1) 因为 10 除以 3 的商是 3，余数是 1  
  
# 也可以用于浮点数，但结果会基于浮点数的除法规则  
result = divmod(10.0, 3)  
print(result)  # 输出: (3.3333333333333335, 0.9999999999999998) 注意：这里的结果可能因浮点数的精度问题而略有不同

注意：虽然 divmod() 可以用于浮点数，但由于浮点数的精度问题，结果可能不如使用整数时直观或精确。

divmod 的发音可以根据其英文单词的组合来读，其中 div 来自 "division"（除法）的缩写，而 mod 来自 "modulus"（模数或余数）的缩写。因此，可以将 divmod 读作类似于“divi-mod”或“div-ee-mod”的发音，但请注意这并不是一个标准的英语单词，所以发音上可能会有一定的灵活性。

python代码：

class Solution:
    def isHappy(self, n: int) -> bool:

        record = set()
        while True:
            n = self.get_sum(n)
            if n == 1:
                return True
            elif n in record:
                return False
            else:
                record.add(n)

    def get_sum(self, n: int) -> int:
        new_sum = 0
        while n:
            n,r = divmod(n,10) # 使用 divmod() 获取 n 除以 10 的商和余数
            new_sum += r**2
        return new_sum

    # 由于 divmod() 在每次迭代时都会更新 n 为 n 除以 10 的商，所以循环结束时 n 会是 0  
    # 而 new_num 则是 n 的每一位数字的平方和  
    # 上述代码，它实际上计算的是从 n 的最低位到最高位每一位的平方和（反向顺序）
  
# 如果需要得到原始的 n 的每一位数字的平方和（而不是从低位到高位的顺序），  
# 需要存储每一位的余数，并在循环后计算它们的平方和

454. 四数相加 II

不用考虑有重复的四个元素相加等于0的情况，所以相对于题目18. 四数之和，题目15.三数之和，还是简单了不少

本题解题步骤：

首先定义一个unordered_map，key放a和b两数之和，value 放a和b两数之和出现的次数。
遍历大A和大B数组，统计两个数组元素之和，和出现的次数，放到map中。
定义int变量count，用来统计 a+b+c+d = 0 出现的次数。
再遍历大C和大D数组，找到如果 0-(c+d) 在map中出现过的话，就用count把map中key对应的value也就是出现次数统计出来。
最后返回统计值 count 就可以了

python 代码：

class Solution:
    def fourSumCount(self, nums1: List[int], nums2: List[int], nums3: List[int], nums4: List[int]) -> int:
        hashmap = dict()
        for i in nums1:
            for j in nums2:
                if i + j in hashmap:
                    hashmap[i+j] += 1
                else:
                    hashmap[i+j] = 1
        count = 0
        for i in nums3:
            for j in nums4:
                key = -i-j
                if key in hashmap:
                    count += hashmap[key]
        return count

Python数据结构：

一、原生数据结构

Python的原生数据结构是语言内置提供的，无需额外安装即可使用。主要包括以下几种：

列表（List）
- 列表是一种有序的数据集合，可以随时添加、删除或修改其元素。
- 使用方括号[]表示，元素可以是任何类型的数据。
- 支持索引、切片、添加（append）、插入（insert）、删除（remove、pop）、排序（sort）、反转（reverse）等操作。
元组（Tuple）
- 元组是一种不可变序列，一旦创建就不能添加、删除或修改其元素。
- 使用圆括号()表示，通常用于存储异构数据。
- 元组的大小和元素类型在创建时就已经确定，之后不能更改。
集合（Set）
- 集合是一个无序的、不包含重复元素的集合类型。
- 使用大括号{}表示（但注意，空集合必须使用set()表示，因为{}会被解释为空字典）。
- 支持集合运算，如并集（union）、交集（intersection）、差集（difference）、对称差集（symmetric_difference）等。
字典（Dictionary）
- 字典是一种映射数据结构，通过键（key）来访问值（value）。
- 使用花括号{}表示，键必须是唯一的，而值可以是任何类型的数据。
- 字典中的元素是无序的，但可以通过键快速访问对应的值。

二、第三方库提供的数据结构

除了Python的原生数据结构外，许多第三方库也提供了丰富的数据结构，以适应更复杂的编程需求。以下是几个常用的第三方库及其提供的数据结构：

NumPy
- 数组（Ndarray）：NumPy库中的数组对象是一个多维的、固定大小的、同类型元素的数组。相比Python原生列表，NumPy数组在存储和计算上更加高效。
- 矩阵（Matrix）：虽然NumPy主要使用数组来表示数据，但也可以通过特定的函数或操作来模拟矩阵的行为。不过，在NumPy中更推荐使用数组来处理矩阵相关的计算。
Pandas
- 序列（Series）：Pandas中的序列是一种一维的、固定长度的、可变的、有索引的数据结构，可以看作是一个带标签的数组。
- 数据框（DataFrame）：DataFrame是Pandas中最重要的数据结构之一，它是一个二维的、表格型的数据结构，可以看作是由多个Series组成的字典（每个Series都是一个列）。DataFrame既有行索引也有列索引，支持复杂的数据操作和分析。
collections模块
- Python的collections模块提供了许多有用的容器数据类型，如deque（双端队列）、Counter（计数器）、OrderedDict（有序字典）、defaultdict（带有默认值的字典）等。这些数据结构在特定场景下非常有用，可以大大简化代码和提高效率。