北顾笙980-CSDN博客

原创 day16-数据结构力扣

本文分享了三个二叉树相关算法题的解题思路： 530题：通过中序遍历二叉搜索树得到有序数组，然后计算相邻元素差值的最小值。 501题：遍历二叉搜索树得到数组，使用字典统计元素频率，返回出现次数最多的数字。 236题：采用后序遍历查找p和q节点的最近公共祖先，通过递归判断左右子树的结果来确定祖先节点。这三个解法都利用了二叉树的遍历特性，分别通过前序、中序和后序遍历来解决问题，体现了树结构在算法中的典型应用。

2026-04-05 18:32:49 34

原创 day15-数据结构力扣

本文总结了二叉树相关算法题的解题思路。654题通过前序遍历递归构建最大二叉树，每次选取数组最大值作为根节点并分割左右子树；617题合并两棵二叉树时采用递归，处理节点值相加和子树合并；700题利用二叉搜索树特性递归查找目标值；98题通过中序遍历验证是否为二叉搜索树。这些题目展示了递归在二叉树问题中的典型应用，包括构建、合并、搜索和验证等操作。

2026-04-05 16:22:23 237

原创 day14-数据结构力扣

本文包含三道二叉树算法题的解题思路和代码实现：1. LCR045找树左下角的值：使用层序遍历，取最后一层第一个节点的值；2. 112.路径总和：基于257题方法，递归遍历所有路径并判断是否存在目标值；3. 106.中序与后序构造二叉树：通过后序确定根节点，分割中序序列，递归构建左右子树。每道题都提供了详细的分步思路分析和完整Python代码实现。

2026-04-05 14:09:23 37

原创 day13-数据结构力扣

本文总结了四道二叉树相关算法题的解题思路与实现方法：1. 平衡二叉树判断（110题）：通过后序遍历递归计算子树高度差，若差值>1则返回-1；2. 二叉树所有路径（257题）：前序遍历+回溯，记录根到叶子的路径并在返回时删除当前节点；3. 左叶子之和（404题）：递归判断左子节点是否为叶子节点并累加其值；4. 完全二叉树节点计数（222题）：直接前序遍历返回节点数组计算长度。四题均采用递归解法，涉及前序/后序遍历和回溯技巧。

2026-04-03 17:01:54 332

原创 day12-数据结构力扣

摘要：本文总结二叉树递归解题方法，重点分析4道典型题目。翻转二叉树（226）采用前序遍历交换左右子树；对称二叉树（101）必须后序遍历比较内外侧节点；最大深度（104）通过后序遍历求高度；最小深度（111）需特殊处理单边子树情况。核心在于理解不同遍历顺序（前序/后序）对解题的影响，以及正确处理空节点和递归终止条件。递归解法需明确参数、终止条件和单层逻辑三个要素。

2026-04-03 15:23:04 359

原创 day11-数据结构力扣

本文系统介绍了二叉树的基础理论与遍历方法。首先阐述了二叉树的定义和分类（满二叉树、完全二叉树、二叉搜索树等），然后详细讲解了两种存储方式（链式和顺序存储）。重点介绍了递归和非递归的深度优先遍历（前序、中序、后序）实现方法，以及层序遍历的BFS实现。通过10道力扣题目实践了这些遍历方法，包括层序遍历及其变种（右视图、平均值、最大/小深度等）。文章采用Python代码示例，强调了对递归过程的理解和队列在BFS中的关键作用，为二叉树算法学习提供了实用指南。

2026-04-01 20:43:24 407

原创 day10-数据结构力扣

本文总结了LeetCode三道典型算法题的解题思路与实现过程。150题通过栈结构实现逆波兰表达式求值，关键修复点在于除法运算的向零取整处理；239题使用单调队列优化滑动窗口最大值查找，降低时间复杂度；347题通过字典统计和排序获取前K个高频元素。每道题都经历了从初步尝试到优化改进的过程，体现了算法设计中数据结构选择与边界条件处理的重要性。特别是150题中int(a/b)替代a//b的取整方式，239题单调队列的维护策略，都是解题的核心技巧。

2026-03-28 13:57:44 353

原创 day09-数据结构力扣

本文摘要：本文介绍了栈、队列和双端队列的基本概念与操作，并给出了力扣经典题目的实现方案。主要内容包括：1) 栈的LIFO特性和基本操作，应用场景如函数调用、括号匹配等；2) 队列的FIFO特性及操作，应用于BFS、任务调度等；3) 双端队列的两端操作特性。重点解析了232题（栈实现队列）、225题（队列实现栈）、20题（有效括号）和1047题（删除相邻重复项）的解题思路和Python实现代码，详细说明了数据结构的转换逻辑和边界条件处理。

2026-03-27 09:14:29 360

原创 day08-数据结构力扣

文章摘要：本文分享了两个字符串处理问题的解决思路。151题通过分割字符串为单词列表后双指针翻转，最后拼接实现单词反转；55题则利用切片操作简洁实现字符串右旋。作者在解题过程中经历了从复杂思路到优化方案的过程，并提及了KMP算法的学习挑战。两个问题都体现了Python字符串处理的技巧性。

2026-03-26 19:24:03 243

原创深度学习day05

卷积神经网络（CNN）通过局部连接、权值共享和池化操作有效处理高维图像数据。核心组件包括：卷积层（提取局部特征）、池化层（降维增强平移不变性）和全连接层（分类）。经典网络如LeNet-5展示了基础架构，AlexNet引入ReLU和Dropout提升性能，VGG采用模块化设计，GoogLeNet提出并行多尺度卷积的Inception模块。残差网络（ResNet）通过跳跃连接解决梯度消失问题，DenseNet则实现层间密集连接。这些创新推动CNN在图像识别等任务中的突破性进展。

2026-03-25 15:58:16 405

原创 day07-数据结构力扣

本文总结了字符串反转相关算法题的解题思路。对于344题，采用双指针法实现原地反转字符串；541题通过分组处理，每2k个字符翻转前k个字符，处理边界情况；54题则是将数字字符替换为"number"。重点分析了541题的优化解法，通过min函数和循环步长2k简化了边界条件处理。解题时需注意字符串不可变特性，常需转换为列表操作后再转回字符串。

2026-03-25 15:15:46 208

原创 day06-数据结构力扣

本文记录了四道LeetCode哈希与双指针题目的解题过程。454题通过哈希表存储两数之和及其出现次数；383题使用数组统计字符频率；15题采用排序+双指针法处理三数之和，注意去重逻辑；18题在三数之和基础上增加循环层数解决四数之和问题。每道题都详细记录了思路演变、代码实现和调试过程中遇到的错误（如字典初始化、变量作用域、去重条件等），最终均成功提交。解题过程体现了从无思路到逐步优化、从伪代码到最终实现的完整思考路径。

2026-03-25 10:54:51 334

原创深度学习day04

摘要：本文系统介绍了深度学习中的Softmax函数和多层感知机（MLP）的理论与实现。Softmax通过指数运算和归一化将实数向量转化为概率分布，需注意数值稳定性优化。MLP由输入层、隐藏层和输出层组成，采用非线性激活函数和反向传播算法，PyTorch实现包含模型定义、训练循环及测试流程。文章还详细阐述了参数管理、初始化方法、自定义层设计以及模型保存/加载技术，并介绍了GPU加速计算的实现方式。通过代码示例展示了各模块的具体应用，为深度学习实践提供了全面指导。

2026-03-24 16:29:54 386

原创 day05-数据结构力扣

本文摘要：哈希表是一种通过哈希函数将键映射到索引的数据结构，能实现O(1)时间复杂度的查询。文章介绍了哈希表的基本原理、哈希碰撞的解决方法（拉链法和线性探测法），以及三种常见哈希结构：数组（基础哈希）、集合（存储唯一值）和映射（键值对存储）。通过242题（字母异位词）、349题（数组交集）和1题（两数之和）的解题示例，展示了哈希表在实际问题中的应用，包括利用数组实现简单哈希、使用字典存储遍历记录等技巧。文章强调当需要快速判断元素是否存在时，应考虑使用哈希法。

2026-03-24 14:49:08 386

原创测开准备-day04数据结构力扣

本文记录了四道链表相关算法题的解题过程：1.两两交换链表节点（24题）使用虚拟头节点，通过记录临时节点完成相邻节点交换；2.删除倒数第N个节点（19题）采用快慢指针，快指针先走N+1步；3.链表相交问题（160题）通过双指针交替遍历找到交点；4.环形链表入口检测（142题）先用快慢指针判断环存在，再通过数学推导找到入口。解题中遇到循环条件、指针移动等细节问题，通过调试解决。总结指出每道题都有独特解法，需仔细处理边界条件和指针操作。

2026-03-23 17:14:38 431

原创测开准备-day03数据结构力扣

本文总结了链表的基本概念和常见操作。链表是通过指针连接的线性结构，每个节点包含数据域和指针域。与数组不同，链表在内存中是非连续存储的。文章详细介绍了链表节点的定义和基本操作，重点讲解了删除节点时虚拟头节点的应用技巧。通过LeetCode 203题展示了删除链表元素的实现方法，包括虚拟头节点的使用、遍历逻辑和边界条件处理。在707题中探讨了设计链表的完整实现，包括增删查等操作。最后以206题为例说明了反转链表的双指针解法。文中特别强调了操作时指针位置的处理要点和常见错误。

2026-03-20 15:50:58 402

原创测开准备-day02数据结构力扣

本文总结了滑动窗口、螺旋矩阵和前缀和等算法问题的解题思路与实现要点。滑动窗口通过动态调整窗口边界来优化暴力解法，注意边界条件处理；螺旋矩阵采用分层填充策略，统一处理规则避免混乱；前缀和通过预计算累计值实现区间快速查询。文章还通过具体例题（如209.长度最小子数组、59.螺旋矩阵II等）展示了代码实现细节与常见错误，强调理解题意、规范处理边界的重要性，为同类算法问题提供了清晰的解决框架。

2026-03-19 20:25:19 375

原创测开准备-day01数据结构力扣

本文总结了二分查找和双指针算法的要点。二分查找要求数据有序且可随机访问，时间复杂度为O(logn)，重点在于区间定义（左闭右闭/左闭右开）和边界处理。双指针法适用于数组操作，如移除元素时使用快慢指针（O(n)复杂度），有序数组平方排序时利用两端比较向中间收缩的特性。文中还记录了实际编码中遇到的典型错误（如整除运算、数组越界）及其解决方法，强调通过实践加深对算法细节的理解。

2026-03-18 17:31:28 226

原创测开准备-Day04python面向对象编程

类(Class):用来描述具有相同的属性和方法的对象的集合。它定义了该集合中每个对象所共有的属性和方法。对象是类的实例。类中定义的函数。类变量在整个实例化的对象中是公用的。类变量定义在类中且在函数体之外。类变量通常不作为实例变量使用。类变量或者实例变量用于处理类及其实例对象的相关的数据。如果从父类继承的方法不能满足子类的需求，可以对其进行改写，这个过程叫方法的覆盖（override），也称为方法的重写。定义在方法中的变量，只作用于当前实例的类。

2026-03-18 15:21:39 358

原创测开准备-Day03python基础+深度学习

本文介绍了Python基础语法中的条件控制、循环语句和函数定义等内容。在条件控制部分，详细讲解了if-else、if-elif和if嵌套语句的使用方法及注意事项。循环语句部分涵盖while循环（包括无限循环和else子句）、for循环（包括遍历可迭代对象和range函数）以及break/continue控制语句。函数部分重点阐述了函数定义规则、参数传递机制（可变/不可变对象）、参数类型（必需/关键字/默认/不定长参数）以及lambda匿名函数的使用。最后通过线性神经网络的实现示例。

2026-03-17 15:47:24 389

原创测开准备-Day02深度学习张量

本文记录了深度学习基础学习过程中的PyTorch张量操作实践。主要内容包括：1）张量创建方法（arange、zeros、ones、randn等）及形状变换；2）张量运算（算术运算、拼接）及与NumPy的转换；3）数据处理流程演示（读取CSV、缺失值填充、独热编码、转换为张量）。作者采用多任务并行学习策略，同时准备数据结构刷题、Python基础、深度学习和面试八股文。代码示例详细展示了张量操作的完整流程，包括从原始数据处理到最终张量转换的全过程。

2026-03-16 17:29:09 23

原创测开准备-python基础Day01

摘要：本文是Python基础语法学习笔记，主要记录标识符规则、保留关键字、代码缩进规范以及基本数据类型。标识符需以字母或下划线开头，区分大小写；列出了35个保留关键字；说明Python使用缩进表示代码块，并介绍了多行语句写法。详细讲解了四种数字类型（int,bool,float,complex）和字符串操作（连接、重复、索引），强调字符串不可变性。适合编程新手系统学习Python基础语法。（149字）

2026-03-13 15:49:05 325

原创数据分析-数据聚合与分组操作

本文介绍了Pandas中的GroupBy机制和数据聚合方法。主要内容包括：1) GroupBy的"拆分-应用-合并"核心机制，通过groupby()实现基础分组聚合；2) agg()函数的多列多函数聚合能力；3) transform()和filter()的分组转换与筛选功能；4) crosstab()交叉表的分类变量统计。文章通过具体代码示例展示了均值填充、分组筛选等实用技巧，并总结了GroupBy的核心要点，为数据分组处理提供了实用指导。

2025-11-28 09:00:00 948

原创数据分析-用pandas和seaborn绘图

本文介绍了使用pandas和seaborn进行数据可视化的常用方法。pandas部分重点讲解了折线图(plot.line())和柱状图(plot.bar()/barh())的绘制方法，适合处理时间序列和分类数据对比。seaborn部分详细说明了直方图(histplot)、密度图(kdeplot)、散点图(scatterplot)以及分面网格(FacetGrid)的使用，特别适合展示数据分布、变量关系和分类数据可视化。文章通过完整代码示例演示了各种绘图方法的关键参数配置。

2025-11-27 08:15:00 1117

原创数据分析-matplotlib API入门

根据书的目录，整理了一些常用绘图函数和举例。因为内容有点多拆成两部分了，分别是绘图与可视化的第一节内容，第二节内容核心使用subplot函数实现子图绘制，该函数是matplotlib中用于划分画布网格并定位子图的基础函数，作用是将单个画布分割成指定行数和列数的网格区域，然后在指定索引的区域内绘制子图，从而实现多图在同一画布的有序展示，便于直观对比多组数据的特征或趋势。：画布被分为1行2列，左侧展示正弦曲线，右侧展示余弦曲线，title函数添加子图标题，tight_layout避免标题重叠。

2025-11-26 09:32:28 1181

原创数据分析-数据规整（连接联合重塑）

本文介绍了数据分析中的数据清洗与准备方法，主要包括分层索引、数据合并和重塑操作。分层索引适用于处理具有层级关系的数据，可通过重排序、汇总统计和索引转换实现高效处理。数据合并包括数据库风格的连接（如左连接和内连接）和轴向拼接，用于整合多源数据。数据重塑则通过长宽表转换适配不同分析场景。最后以网课项目为例，演示了如何通过三步数据合并构建完整的用户画像数据集，为后续分析和建模提供基础。这些方法为数据分析中的数据准备提供了系统化解决方案。

2025-11-25 21:00:51 640

原创数据分析-数据清洗和准备

就是我看书上面写了很多方法，我数据分析主要想进行数学建模，所以我去B站找了一个实战项目的视频看，部分笔记参考视频，然后总结的处理流程，可能不全面，但是感觉方法适用性还可以。找的项目是用户忠诚度评分预测，有以下数据集。

2025-11-25 16:09:58 789

原创数据分析-打开文件及简单查看

现在开始学习数据分析了，尽量自己多练手，新手入门记录自己的学习路程语法import pandas as pddf = pd.read_csv('文件路径/文件名.csv')如果在本地，并且它和你的 Python 脚本在同一个文件夹下，可以不用写文件路径。import pandas as pd#导库item_table = pd.read_csv('Item_table.csv')#读文件print(item_table)#打印如果只读前几行，只需要修改这部分item_table = pd.read_cs

2025-11-22 17:30:46 483

qq_64799801的博客