剑指Offer(十六):合并两个排序的链表

本文介绍了两种合并两个已排序链表的方法:一种使用指针迭代,比较节点值并构建新链表;另一种采用递归策略,每次选择较小节点并递归处理后续部分。代码执行效率良好,且提供了进一步的优化,如使用Python三元表达式简化代码。
摘要由CSDN通过智能技术生成

①遍历两个列表,用指针的方法分别比较当前的两个链表中的值的大小,新的链表指向小的那一个,小的那一个指向自己的下一个。如果有一个链表比另一个长,所以还需要对多余的链表进行拼接。

class Solution:
    """
    执行结果:通过
    执行用时:48 ms, 在所有 Python3 提交中击败了75.53%
的用户
    内存消耗:15.2 MB, 在所有 Python3 提交中击败了88.80%的用户
    通过测试用例:218 / 218
    """
    def mergeTwoLists(self, l1: ListNode, l2: ListNode) -> ListNode:
        newList = ListNode()
        head = newList
        while l1 and l2:
            if l1.val < l2.val:
                newList.next = l1
                l1 = l1.next
            else:
                newList.next = l2
                l2 = l2.next
            newList = newList.next
        # 这里可以进行优化:
        if l1:
            newList.next = l1
        if l2:
            newList.next = l2
        
        # 使用三元表达式 A if x else B
        newList.next = l1 if l1 else l2
        return head.next
            

--------------------题解

看了题解,和我这个方法一样的,可以对我这个代码进行一些优化。

Python 三元表达式写法 A if x else B ,代表当 x = Truex=True 时执行 A ,否则执行 B 

② 使用递归的方法:保留小的那个,然后将后面的比较后一个个拼接

class Solution:
    def mergeTwoLists(self, l1: ListNode, l2: ListNode) -> ListNode:
        if not l1: return l2 
        if not l2: return l1 
        if l1.val < l2.val:  # 那个小就保留哪个
            l1.next = self.mergeTwoLists(l1.next, l2)
            return l1   # 当前层返回已排好序的节点
        else:
            l2.next = self.mergeTwoLists(l1, l2.next)
            return l2 

-

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
目标检测(Object Detection)是计算机视觉领域的一个核心问题,其主要任务是找出图像中所有感兴趣的目标(物体),并确定它们的类别和位置。以下是对目标检测的详细阐述: 一、基本概念 目标检测的任务是解决“在哪里?是什么?”的问题,即定位出图像中目标的位置并识别出目标的类别。由于各类物体具有不同的外观、形状和姿态,加上成像时光照、遮挡等因素的干扰,目标检测一直是计算机视觉领域最具挑战性的任务之一。 二、核心问题 目标检测涉及以下几个核心问题: 分类问题:判断图像中的目标属于哪个类别。 定位问题:确定目标在图像中的具体位置。 大小问题:目标可能具有不同的大小。 形状问题:目标可能具有不同的形状。 三、算法分类 基于深度学习的目标检测算法主要分为两大类: Two-stage算法:先进行区域生成(Region Proposal),生成有可能包含待检物体的预选框(Region Proposal),再通过卷积神经网络进行样本分类。常见的Two-stage算法包括R-CNN、Fast R-CNN、Faster R-CNN等。 One-stage算法:不用生成区域提议,直接在网络中提取特征来预测物体分类和位置。常见的One-stage算法包括YOLO系列(YOLOv1、YOLOv2、YOLOv3、YOLOv4、YOLOv5等)、SSD和RetinaNet等。 四、算法原理 以YOLO系列为例,YOLO将目标检测视为回归问题,将输入图像一次性划分为多个区域,直接在输出层预测边界框和类别概率。YOLO采用卷积网络来提取特征,使用全连接层来得到预测值。其网络结构通常包含多个卷积层和全连接层,通过卷积层提取图像特征,通过全连接层输出预测结果。 五、应用领域 目标检测技术已经广泛应用于各个领域,为人们的生活带来了极大的便利。以下是一些主要的应用领域: 安全监控:在商场、银行
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