具体算法思想参见
team-learning-program/LeetCodeClassification/1.分治.md
下面是对上面链接中的各个leetcode题给出的代码测试版本(注意类名称都由Solution改为相互不同名称):
# 169多数元素
class MajorityElement(object):
def majorityElement(self, nums):
"""
:type nums: List[int]
:rtype: int
"""
# 【不断切分的终止条件】
if not nums:
return None
if len(nums) == 1:
return nums[0]
# 【准备数据,并将大问题拆分为小问题】
left = self.majorityElement(nums[:len(nums)//2])
right = self.majorityElement(nums[len(nums)//2:])
# 【处理子问题,得到子结果】
# 【对子结果进行合并 得到最终结果】
if left == right:
return left
if nums.count(left) > nums.count(right):
return left
else:
return right
# 53. 最大子序和
class MaxSum(object):
def maxSubArray(self, nums):
"""
:type nums: List[int]
:rtype: int
"""
# 【确定不断切分的终止条件】
n = len(nums)
if n == 1:
return nums[0]
# 【准备数据,并将大问题拆分为小的问题】
left = self.maxSubArray(nums[:len(nums) // 2])
right = self.maxSubArray(nums[len(nums) // 2:])
# 【处理小问题,得到子结果】
# 从右到左计算左边的最大子序和
max_l = nums[len(nums) // 2 - 1] # max_l为该数组的最右边的元素
tmp = 0 # tmp用来记录连续子数组的和
for i in range(len(nums) // 2 - 1, -1, -1): # 从右到左遍历数组的元素
tmp += nums[i]
max_l = max(tmp, max_l)
# 从左到右计算右边的最大子序和
max_r = nums[len(nums) // 2]
tmp = 0
for i in range(len(nums) // 2, len(nums)):
tmp += nums[i]
max_r = max(tmp, max_r)
return max(left, right, max_l + max_r)
# 50. Pow(x, n)
class PowNum(object):
def myPow(self, x, n):
"""
:type x: float
:type n: int
:rtype: float
"""
# 处理n为负的情况
if n < 0 :
x = 1/x
n = -n
# 【确定不断切分的终止条件】
if n == 0:
return 1
# 【准备数据,并将大问题拆分为小的问题】
if n % 2 == 1:
# 【处理小问题,得到子结果】
p = x * self.myPow(x, n-1)# 【对子结果进行合并 得到最终结果】
return p
return self.myPow(x*x, n/2)
# 在mian中测试各个类
if __name__ == "__main__":
# test 169 majority element
majorityNum = MajorityElement()
nums1 = [-1, 2, 1, 1, 1, 2, 0]
mj1 = majorityNum.majorityElement(nums1)
print(mj1)
# test 53 max sub-sum
maxsum = MaxSum()
nums2 = [-2, 1, -3, 4, -1, 2, 1, -5, 4]
msm = maxsum.maxSubArray(nums2)
print(msm)
# test 50 pow
pownum = PowNum()
ps = pownum.myPow(32, 5)
print(ps)
测试结果