LeetCode -500. Keyboard Row

14 篇文章 0 订阅
3 篇文章 0 订阅

题目链接:500. Keyboard Row


首先说一下题目的大意:这道题的意思是给你一个List,要求你返回这个list中所有字符全部都在美式键盘的同一行的字符串,把符合要求的字符串在整合成一个List返回。
两点注意:
1. 每一个字符都可以输入多次。
2. 你可以假定输入的字符串只包含英文字母


题目大意说完了,来分析一下题目吧,这个道题实际上非常的容易理解,做起来可能会比较容易困惑,在这里可以给大家提一个点,那就是如果list中的某个字符串在键盘的第一行(仅限字母区),那么它一定不再别的行。
需要说的就这么多,请看代码。

这种解法需要 32 ms

def findWords(self, words):
        first = "qwertyuiop"
        second = "asdfghjkl"
        third = "zxcvbnm"

        list = []
        for word in words:
            flag = True
            word = word.lower()
            for s in word:
                if s not in first:
                    flag = False
            if not flag:
                flag = True
                for s in word:
                    if s not in second:
                        flag = False
                if not flag:
                    flag = True
                    for s in word:
                        if s not in third:
                            flag = False

            if flag:
                list.append(word)

        return list

还有一种更为简洁的解法,那就是使用正则表达式去解决问题,哎,亏得我还是写爬虫的,竟然没想到使用正则表达式,个人认为这是最完美的解法。
关于这个解法还有一些很有意思的讨论,这里是链接,这是leetcode题目的讨论区,两位大牛就效率进行了很多讨论,但是限于我个人的英文水平和目前的弱鸡水平的python能力,就不多做解析了,各位自己去看就可以了。
这种解法使用到了一个名为filter()的函数,这个函数我在这里解释一下:
这个filter函数包含两个参数,第一个参数是一个判断语句返回True或False,第二个参数是一个list,由filter函数对list中的每一项进行判断,最后将所有结果为True的值,以list的形式返回。

这种解法在这道题中用时:52 ms
这道题目中一共使用了22组测试样例,但上述的两位大牛的探讨中,他们分别使用了1000组和10000组测试样例(只算次数),最后发现正则的速度基本远大于别的方式,我个人认为在这道题里只是因为测试样例很少,才会导致使用正则后反而没有第一种解法的速度快。个人愚见,只为抛砖引玉。
说这么多就是为了说还是希望大家多用正则解决字符串匹配以及相关的问题。
还有再解释一下(?i)的意思,在python中这种写法的意思是正则表达式无视大小写。

class Solution(object):
    def findWords(self, words):
        return filter(re.compile('(?i)([qwertyuiop]*|[asdfghjkl]*|[zxcvbnm]*)$').match, words)

最后再补充一句,这是一行的解法,我相信无论是什么题,能够使用一行代码解决问题,都是一个非常非常炫酷的事情,多多学习吧。

以上。

### 回答1: 好的,我来用中文回复这个链接:https://leetcode-cn.com/tag/dynamic-programming/ 这个链接是 LeetCode 上关于动态规划的题目集合。动态规划是一种常用的算法思想,可以用来解决很多实际问题,比如最长公共子序列、背包问题、最短路径等等。在 LeetCode 上,动态规划也是一个非常重要的题型,很多题目都需要用到动态规划的思想来解决。 这个链接里包含了很多关于动态规划的题目,按照难度从简单到困难排列。每个题目都有详细的题目描述、输入输出样例、题目解析和代码实现等内容,非常适合想要学习动态规划算法的人来练习和提高自己的能力。 总之,这个链接是一个非常好的学习动态规划算法的资源,建议大家多多利用。 ### 回答2: 动态规划是一种算法思想,通常用于优化具有重叠子问题和最优子结构性质的问题。由于其成熟的数学理论和强大的实用效果,动态规划在计算机科学、数学、经济学、管理学等领域均有重要应用。 在计算机科学领域,动态规划常用于解决最优化问题,如背包问题、图像处理、语音识别、自然语言处理等。同时,在计算机网络和分布式系统中,动态规划也广泛应用于各种优化算法中,如链路优化、路由算法、网络流量控制等。 对于算法领域的程序员而言,动态规划是一种必要的技能和知识点。在LeetCode这样的程序员平台上,题目分类和标签设置十分细致和方便,方便程序员查并深入学习不同类型的算法。 LeetCode的动态规划标签下的题目涵盖了各种难度级别和场景的问题。从简单的斐波那契数列、迷宫问题到可以用于实际应用的背包问题、最长公共子序列等,难度不断递进且话题丰富,有助于开发人员掌握动态规划的实际应用技能和抽象思维模式。 因此,深入LeetCode动态规划分类下的题目学习和练习,对于程序员的职业发展和技能提升有着重要的意义。 ### 回答3: 动态规划是一种常见的算法思想,它通过将问题拆分成子问题的方式进行求解。在LeetCode中,动态规划标签涵盖了众多经典和优美的算法问题,例如斐波那契数列、矩阵链乘法、背包问题等。 动态规划的核心思想是“记忆化搜索”,即将中间状态保存下来,避免重复计算。通常情况下,我们会使用一张二维表来记录状态转移过程中的中间值,例如动态规划求解斐波那契数列问题时,就可以定义一个二维数组f[i][j],代表第i项斐波那契数列中,第j个元素的值。 在LeetCode中,动态规划标签下有众多难度不同的问题。例如,经典的“爬楼梯”问题,要求我们计算到n级楼梯的方案数。这个问题的解法非常简单,只需要维护一个长度为n的数组,记录到达每一级楼梯的方案数即可。类似的问题还有“零钱兑换”、“乘积最大子数组”、“通配符匹配”等,它们都采用了类似的动态规划思想,通过拆分问题、保存中间状态来求解问题。 需要注意的是,动态规划算法并不是万能的,它虽然可以处理众多经典问题,但在某些场景下并不适用。例如,某些问题的状态转移过程比较复杂,或者状态转移方程中存在多个参数,这些情况下使用动态规划算法可能会变得比较麻烦。此外,动态规划算法也存在一些常见误区,例如错用贪心思想、未考虑边界情况等。 总之,掌握动态规划算法对于LeetCode的学习和解题都非常重要。除了刷题以外,我们还可以通过阅读经典的动态规划书籍,例如《算法竞赛进阶指南》、《算法与数据结构基础》等,来深入理解这种算法思想。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值