1.给定一个单链表中的一个等待被删除的节点(非表头表尾),在o(1)时间复杂度删除该链节点:
思路分析
如果我们要在链表中删除一个节点,一般的操作是:
①修改要删除节点的上一个节点的指针
②将该指针指向要删除节点的下一个节点
例如,在链表 [4, 5, 1, 9] 中,当我们要删除节点 5 时,我们会修改节点 5 上一个节点 4 的指针,让它指向节点 5 的下一个节点,即节点 1:
首先,我们把节点 5 下一个节点的值赋给它,把它变成一个「不需要删除」的节点:
这样一来,第二个节点 1 和第三个节点 1,无论我们删除其中的哪一个,都可以得到最终结果 [4, 1, 9]。既然第二个节点不好删除,那我们就果断删除第三个啦~
改变第二个节点 1 的指针,将它指向第 4 个节点 9,这样一来,第三个节点 1 就被删除了:
def deleteNode(node):
node.value=node.next.val
node.next = node.next.next
return node
2.提取“abc123qwer456tyui789”这个字符串中的数字
str="abc123qwer456tyui789"
num=" ".join([x for x in str if x.isdigit()])
print(num)
3.频繁项集挖掘Apriori算法及其Python实现
https://blog.csdn.net/u013185349/article/details/108293202
# coding:utf8
import sys
def apriori(D, minSup):
"""
频繁项集用keys表示,
key表示项集中的某一项,
cutKeys表示经过剪枝步的某k项集。
C表示某k项集的每一项在事务数据库D中的支持计数
:param D:
:param minSup:
:return:
"""
C1 = {}
for T in D:
for I in T:
if I in C1:
C1[I] += 1
else:
C1[I] = 1
print C1
_keys1 = C1.keys()
keys1 = []
for i in _keys1:
keys1.append([i])
n = len(D)
cutKeys1 = []
for k in keys1[:]:
if C1[k[0]] * 1.0 / n >= minSup:
cutKeys1.append(k)
cutKeys1.sort()
keys = cutKeys1
all_keys = []
while keys != []:
C = getC(D, keys)
cutKeys = getCutKeys(keys, C, minSup, len(D))
for key in cutKeys:
all_keys.append(key)
keys = aproiri_gen(cutKeys)
return all_keys
def getC(D, keys):
"""
对keys中的每一个key进行计数
:param D:
:param keys:
:return:
"""
C = []
for key in keys:
c = 0
for T in D:
have = True
for k in key:
if k not in T:
have = False
if have:
c += 1
C.append(c)
return C
def getCutKeys(keys, C, minSup, length):
"""
剪枝步
:param keys:
:param C:
:param minSup:
:param length:
:return:
"""
for i, key in enumerate(keys):
if float(C[i]) / length < minSup:
keys.remove(key)
return keys
def keyInT(key, T):
"""
判断项key是否在数据库中某一元组T中
:param key:
:param T:
:return:
"""
for k in key:
if k not in T:
return False
return True
def aproiri_gen(keys1):
"""
连接步
:param keys1:
:return:
"""
keys2 = []
for k1 in keys1:
for k2 in keys1:
if k1 != k2:
key = []
for k in k1:
if k not in key:
key.append(k)
for k in k2:
if k not in key:
key.append(k)
key.sort()
if key not in keys2:
keys2.append(key)
return keys2
D = [['A', 'C', 'D'], ['B', 'C', 'E'], ['A', 'B', 'C', 'E'], ['B', 'E']]
F = apriori(D, 0.5)
print '\nfrequent itemset:\n', F
# [['B'], ['C'], ['E'], ['B', 'E'], ['C', 'E']]
4.合并区间
class Solution:
"""
解题思路:
首先,我们将列表中的区间按照左端点升序排序。
然后我们将第一个区间加入 merged 数组中,并按顺序依次考虑之后的每个区间:
如果当前区间的左端点在数组 merged 中最后一个区间的右端点之后,那么它们不会重合,
我们可以直接将这个区间加入数组 merged 的末尾;
否则,它们重合,我们需要用当前区间的右端点更新数组 merged 中最后一个区间的右端点,将其置为二者的较大值。
"""
def merge(self, intervals: List[List[int]]) -> List[List[int]]:
# 按照第一个元素从小到大进行排序
intervals.sort(key=lambda x: x[0])
# 初始化一个新的数组
new_list = list()
for i in intervals:
# 把第一个数组元素添加到新的数组种
if not new_list:
new_list.append(i)
continue
# 如果有重合 就更新新的数组中的最后一个元素的最大值
if new_list[-1][1] >= i[0]:
x = max(new_list[-1][1], i[1])
new_list[-1][1] = max(new_list[-1][1], i[1])
else:
# 如果没有重合 就直接添加到新的数组中
new_list.append(i)
return new_list
5.两个文件,文件一.txt记录用户和点击量数据,文件二.txt记录用户和城市数据,求每个城市中最大的点击量。
dict_data={}
with open('.../table1.txt','r') as df:
for kv in [d.strip().split(' ') for d in df]:
dict_data[kv[0]] = kv[1]
print(dict_data)
dict_data2={}
with open('.../table2.txt','r') as df:
for kv in [d.strip().split(' ') for d in df]:
dict_data2[kv[0]] = kv[1]
print(dict_data2)
ans={}
print(dict_data2)
for i in dict_data2:
ans[dict_data2[i]]=max(int(ans.get(dict_data2[i],0)),int(dict_data[i]))
print(ans)
6.给n个绳子,每次取两个端点打结,求最终绳子打结的期望