例题应用的代码如下所示
L169
"""
给定一个大小为 n 的数组,找到其中的多数元素。多数元素是指在数组中出现次数大于 n/2 的元素。
可以假设数组是非空的,并且给定的数组总是存在多数元素。
"""
class Solution(object):
def majorityElement(self, nums):
"""
:type nums: List[int]
:rtype: int
"""
# 确定切分问题的终止条件
if not nums:
return None
if len(nums) == 1:
return nums[0]
# 将问题切分
# /是浮点数除法,//是整数除法,返回不大于结果的最大整数
left = self.majorityElement(nums[:len(nums)//2])
right = self.majorityElement(nums[(len(nums)//2):])
if left == right:
return left
# 比较切分后的nums[]数组中拥有left的总数和right的总数比较,并选择更多的那个
if nums.count(left) > nums.count(right):
return left
else:
return right
L53
"""
给定一个整数数组 nums ,找到一个具有最大和的连续子数组
(子数组最少包含一个元素),返回其最大和。
输入: [-2,1,-3,4,-1,2,1,-5,4]
输出: 6
解释: 连续子数组 [4,-1,2,1] 的和最大,为 6。
"""
class Solution(object):
def maxSubArray(self, nums):
"""
:type nums: List[int]
:rtype: int
"""
# 首先确定切分终止条件
if len(nums) == 1:
return nums[0]
# 切分为子问题
left = self.maxSubArray(nums[: len(nums)//2])
right = self.maxSubArray(nums[len(nums)//2:])
# 处理子问题获得子结果
# 对于左边子问题,从右往左计算左边最大子序和;对于右边子问题,从左向右计算右边的最大子序和
left_max = nums[len(nums)//2-1] # 初始左分支在最大值是左分支最后一位的数字
right_max = nums[len(nums)//2] # 初始右分支最大值是右分支的第一位数字
temp_left_max = 0 # temp_max是临时的最大之和的大小
temp_right_max = 0 # 同临时的最大之和的大小
# 左边
for i in range(len(nums)//2-1, -1, -1):
temp_left_max += nums[i]
left_max = max(temp_left_max, left_max)
# 右边
for j in range(len(nums)//2, len(nums)):
temp_right_max += nums[j]
right_max = max(temp_right_max, right_max)
# 合并左右结果(比较左右分支中可以构成的最大值以及中间构成的最大值得出最终结论)
return max(left, right, left_max+right_max)
由于L53最开始没有理解过程,所以画图理解了一下
L50
"""
实现 pow(x, n) ,即计算 x 的 n 次幂函数。
"""
# 采用递减的递归方法,该方法速度上不OK
"""
class Solution(object):
def myPow(self, x, n):
# :type x: float
# :type n: int
# :rtype: float
# 考虑n<0的情况
if n < 0:
n = -1*n
x = 1/x
if n == 1:
return x
if n == 0:
return 1
n = n - 1
return x * self.myPow(x, n)
"""
自我练习
TOPK问题
不过这个更快哈哈哈哈