字符混编

对于三个字符串A,B,C。我们称C由A和B交错组成当且仅当C包含且仅包含A,B中所有字符,且对应的顺序不改变。请编写一个高效算法,判断C串是否由A和B交错组成。

给定三个字符串A,BC,及他们的长度。请返回一个bool值,代表C是否由A和B交错组成。保证三个串的长度均小于等于100。

测试样例:

"ABC",3,"12C",3,"A12BCC",6

返回:true


解析:

strA=“ABC”

strB=“12C”

aim=“A12BCC”


strA[0,i…lenA] 

strB[0,j…lenB]

aim[0,i+j-1….lenA+lenB-1]

使用动态规划的方法

方便理解我们添加空字符

dp[i][j]表示strA[0~i]与strB[0~j]能否组成aim[0,i+j-1] 能=true 否=false

dp表


aim的最后一个字符肯定是由strA的最后一个字符或者strB的最后一个字符提供的。

因此可以理解为

dp[i][j] = dp[i-1][j]&&strA[i]==aim[i+j] 或则 dp[i][j-1]&&strB[j]==aim[i+j]; 


代码:

 public boolean chkMixture(String A, int n, String B, int m, String C, int v) {

        StringBuilder stringA = new StringBuilder(A);

        StringBuilder stringB = new StringBuilder(B);

        StringBuilder stringC = new StringBuilder(C);

        Boolean[] dp = new Boolean[m+1];

        dp[0] = true;

        for (int i = 1; i < m+1; i++) {//初始化第一行

           if (stringB.charAt(i-1)==stringC.charAt(i-1)){

               dp[i] = true;

           }else{

               dp[i] = false;

           }

        }

        for (int i = 0; i < n; i++) {

            for (int j = 1; j < m+1; j++) {

                dp[j] = (dp[j]&&stringA.charAt(i)==stringC.charAt(i+j))||(dp[j-1]&&stringB.charAt(j-1)==stringC.charAt(i+j));

            }

        }

        return dp[m];

    }


题目来源:http://www.nowcoder.com/practice/0ed4ac79ab264c6f9b58fc9ba6188793?rp=3&ru=/activity/oj&qru=/ta/2016test/question-ranking


  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
在spark中,Scala和Python可以混合编写,通过PySpark的接口可以使用Python编写Spark应用程序,而Scala则可以使用Spark的原生API编写应用程序。下面我们将介绍如何在Spark中混合使用Scala和Python编写应用程序。 首先,我们需要安装PySpark: ```bash pip install pyspark ``` 接下来,我们将介绍如何在Scala中调用Python代码。 Scala调用Python代码 在Scala中,我们可以使用`ProcessBuilder`类来启动Python进程,并且可以传递参数和读取Python进程的输出。下面是一个简单的Scala程序,它调用一个Python脚本并打印输出: ```scala import scala.collection.JavaConversions._ import java.io._ object ScalaPythonSample { def main(args: Array[String]) { val pb = new ProcessBuilder("python", "/path/to/python_script.py", "arg1", "arg2") val process = pb.start() val inputStream = process.getInputStream() val reader = new BufferedReader(new InputStreamReader(inputStream)) var line: String = null while ({line = reader.readLine(); line != null}) { println(line) } val exitCode = process.waitFor() println("Python script exited with code " + exitCode) } } ``` 在上面的代码中,我们使用`ProcessBuilder`类启动Python进程,并传递了两个参数`arg1`和`arg2`。然后,我们读取Python进程的输出并打印到控制台。最后,我们等待Python进程退出并打印退出码。 Python调用Scala代码 在Python中,我们可以使用Py4J库来调用Java/Scala代码。Py4J是一个Python库,它允许Python和Java之间的交互。下面是一个简单的Python程序,它调用一个Scala类: ```python from py4j.java_gateway import JavaGateway gateway = JavaGateway() scala_object = gateway.entry_point.getScalaObject() result = scala_object.add(1, 2) print(result) ``` 在上面的代码中,我们使用Py4J库连接到Java/Scala进程,并获取Scala对象的引用。然后,我们调用Scala对象的`add`方法,并将结果打印到控制台。 Scala和Python混合编写 在Scala和Python之间调用代码是有用的,但通常我们需要更紧密的集成。为了实现这个目标,我们可以使用Spark中的Python UDF(用户定义的函数)和Scala UDF。 下面是一个示例,演示如何在Scala中定义一个UDF,并将其用作Spark DataFrame中的列操作。该UDF使用Python函数来计算字符串的长度。 首先,我们定义一个Python函数,并将其保存到文件中: ```python # save this file as len.py def len(s): return len(s) ``` 然后,我们定义一个Scala UDF,它调用我们的Python函数: ```scala import org.apache.spark.sql.functions._ object ScalaPythonUDF { def main(args: Array[String]) { val spark = SparkSession.builder() .appName("ScalaPythonUDF") .getOrCreate() // define Python UDF val myPythonUDF = udf((s: String) => { val pythonInterpreter = new PythonInterpreter() pythonInterpreter.execfile("/path/to/len.py") val pythonFunc = pythonInterpreter.get("len").asInstanceOf[PyObject] val result = pythonFunc.__call__(new PyString(s)).asInstanceOf[PyInteger] result.getIntValue() }) // use Python UDF in DataFrame val df = Seq("abc", "def", "ghi").toDF("col") val result = df.select(myPythonUDF(col("col"))) result.show() } } ``` 在上面的代码中,我们定义了一个Python UDF,它使用PythonInterpreter类来执行我们的Python脚本并调用`len`函数。然后,我们可以在DataFrame中使用该UDF,如下所示: ```scala val result = df.select(myPythonUDF(col("col"))) ``` 这样,我们就可以在Scala中使用Python函数,并将其用作Spark DataFrame中的列操作。 总结 通过PySpark的接口,我们可以在Spark中使用Python编写应用程序。同时,我们也可以通过Py4J库在Python中调用Java/Scala代码。最后,我们还可以在Scala中使用Python函数,并将其用作Spark DataFrame中的列操作。这些功能使得Spark的编写更加灵活和方便。

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
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