Leetcode 1478. Allocate Mailboxes (python)

题目

解法：

首先一定要有这种思想就是他求的是mincost这个值，所以应该往动态规划上去想。而且这个问题的动态规划肯定是二维的，这张基本思想要有。
这里的动态规划也是从放置的最后一个mailbox出发来想，当最后一个mailbox放置的位置定了之后，那么最终的cost就是放置最后一个mailbox造成的cost和前面的相应的子问题造成的cost。也就是说我们要求解的是最后一个mailbox覆盖若干个house的cost以及他相应子问题cost的和的最小值。这样状态转移方程就比较清晰了
接下来需要考虑的问题就是，对于有若干个房子，一个mailbox的情况下，怎样放置这个mailbox比较好，这个比较容易想到，应该是所有房子位置的中位数，cost就是所有房子减去中位数的绝对值之和，我下面代码里面的写法本质也是一样的
这边要特别特别特别注意边界，一定要想的特别清楚，可以用特殊情况来考虑

class Solution:
    def minDistance(self, houses: List[int], k: int) -> int:
        def cal_cost(left,right):
            total_dis = 0
            while left<right:
                total_dis += houses[right]-houses[left]
                left += 1
                right -= 1
            return total_dis
        houses.sort()
        cost = [[0]*len(houses) for _ in range(len(houses))]
        for i in range(len(houses)-1):
            for j in range(i,len(houses)):
                cost[i][j] = cal_cost(i,j)
        
        
        dp = [[float('inf')]*(len(houses)+1) for _ in range(k+1)]
        
        for i in range(k+1):
            dp[i][0] = 0
        
        for i in range(1,k+1):
            for j in range(1,len(houses)+1):
                for m in range(j):
                    #print('m,j,cost',m,j,cost(m,j-1))
                    dp[i][j] = min(dp[i][j],dp[i-1][m]+cost[m][j-1])
        
        return dp[-1][-1]

follow up

一次面试面到的题目是，这个cost是距离的平方。当cost的距离的平方的时候，对于基础的情况，也就是一个mailbox，多个house的情况下，应该将mailbox放置在均值的情况下cost最小，这个推导可以通过将cost写出来然后求导为0实现。换句话说，对于一个mailbox的情况，最小的cost就是这些house位置的方差。其他的解法跟上面这道题目是一样的。
下面讲一下如何来O(1)时间计算一段stream of numbers。首先需要进行推导化简得到如下结论：

variance = 所有数的平方和-n*平均数的平方

完整代码如下：

class variance_calculator:
    def __init__(self):
        self._square_sum = 0
        self._count = 0
        self._sum = 0

    def add(self, number):
        self._count += 1
        self._sum += number
        self._square_sum += number * number

    def get_variance(self):
        curr_mean = self._sum / self._count
        curr_variance = self._square_sum - self._count * curr_mean * curr_mean
        return curr_variance

vc = variance_calculator()
nums = [1,2,3,4]
for num in nums:
    vc.add(num)
    print(vc.get_variance())