【03_最长连续序列】

一、问题

'''
给定一个未排序的整数数组 nums ,找出数字连续的最长序列(不要求序列元素在原数组中连续)的长度。

请你设计并实现时间复杂度为 O(n) 的算法解决此问题。

示例 1:

输入:nums = [100,4,200,1,3,2]
输出:4

解释:最长数字连续序列是 [1, 2, 3, 4]。它的长度为 4。
示例 2:

输入:nums = [0,3,7,2,5,8,4,6,0,1]
输出:9
'''

二、思路

定义函数:首先定义了一个名为 longestConsecutive 的函数,它接受一个整数数组 nums 作为输入参数。

初始化集合:使用 Python 的集合类型(set)创建一个名为 elements 的集合,并将输入数组 nums 中的所有元素添加到这个集合中。这样做的目的是为了能够在 O(1) 的时间内检查一个数字是否在数组中。

初始化变量:定义一个名为 longest_streak 的变量,用于保存找到的最长连续序列的长度。初始值设为0。

遍历数组:使用一个 for 循环遍历输入数组 nums 中的每个数字 num。

检查起始点:对于每个数字 num,首先检查它前面的数字 num - 1 是否在集合 elements 中。如果不在,那么 num 可能是某个连续序列的起始点。

寻找连续序列:如果 num 是起始点,则从这个数字开始,向后查找连续的数字。使用一个 while 循环,每次检查当前数字 current_num 加 1 是否在集合 elements 中。如果在,说明这个数字也是连续序列的一部分,于是将 current_num 加 1,并将当前序列的长度 current_streak 加 1。这个过程一直持续到不能再找到连续的数字为止。

更新最长序列长度:在每次查找后,比较当前序列的长度 current_streak 与已知的最长序列长度 longest_streak。如果 current_streak 更长,则更新 longest_streak 的值。

返回结果:遍历完所有数字后,返回 longest_streak,即为找到的最长的数字连续序列的长度。

三、解法

写法1:不正确

#自己写的

class Solution:
    def longestConsecutive(self,nums:list[int]):
        elements = set(nums)
        longest_streak = 0
        for num in nums:
            x = num - 1
            if x not in nums:
                y = num + 1
                current_streak =0
                while y in nums:
                    current_streak += 1 #缺少了一个y+=1

                if longest_streak < current_streak:
                    longest_streak = current_streak
        return longest_streak

写法2--不太正确

class Solution:
    def longestConsecutive(self, nums: list[int]):
        elements = set(nums)
        longest_streak = 0
        for num in elements:#这个得用nums
            x = num - 1
            if x not in elements:
                y = num + 1
                current_streak = 0#代表num此时开始做起点,长度为1,写0 是错误的,因为写了0,所以长度一直是少了1
                while y in elements:
                    current_streak += 1
                    y += 1
                    return current_streak#这个不对,不能返回
                if longest_streak < current_streak:
                    longest_streak = current_streak
        return longest_streak

写法3:标准

class Solution:
    def longestConsecutive(self, nums: list[int]):
        elements = set(nums)
        longest_streak = 0
        for num in nums:
            x = num - 1
            if x not in elements:
                y = num + 1
                current_streak = 1
                while y in elements:
                    current_streak += 1
                    y += 1

                if longest_streak < current_streak:
                    longest_streak = current_streak
        return longest_streak

四、学习汇总:

set(),是集合类型。set(nums)是把nums列表转化为集合类型是数据

在 Python 中,集合(Set)和列表(List)是两种不同的数据结构,它们有以下主要区别:

1. **元素唯一性**:
   - 集合中的元素必须是唯一的,不允许重复。
   - 列表中的元素可以重复出现。

2. **有序性**:
   - 列表是有序的,元素按照添加顺序排列。
   - 集合是无序的,元素没有特定的顺序。

3. **索引和切片**:
   - 列表支持通过索引或切片来访问和操作元素。
   - 集合不支持索引和切片,无法直接访问或修改特定位置的元素。

4. **性能**:
   - 集合在检查元素是否存在时通常比列表更快,因为它们使用哈希表来存储元素。
   - 列表在遍历或访问元素时通常比集合更快,因为它们是有序的。

5. **可变性**:
   - 列表是可变的,可以添加、删除和修改元素。
   - 集合也是可变的,但不能通过索引来修改元素。相反,使用 `add()`、`remove()` 或 `discard()` 方法来操作元素。

6. **初始化**:
   - 列表可以通过方括号 `[]` 或 `list()` 函数来初始化。
   - 集合可以通过大括号 `{}` 或 `set()` 函数来初始化。

7. **用途**:
   - 列表通常用于存储有序的、可能重复的数据。
   - 集合通常用于去除重复项、进行集合操作(如交集、并集、差集)或快速检查元素是否存在。

LeetCode(力扣)上,有一个经典的算法题目叫做“最长连续序列”(Longest Continuous Increasing Subsequence),通常用C++或其他编程语言进行解答。这个题目的目的是找到一个给定整数数组中的最长递增子序列。递增子序列是数组中的一段连续元素,它们按顺序严格增大。 这里是一个简单的C++解决方案思路: ```cpp #include <vector> using namespace std; class Solution { public: int longestContinuousIncreasingSubsequence(vector<int>& nums) { if (nums.empty()) return 0; // 避免空数组的情况 int n = nums.size(); vector<int> dp(n, 1); // dp[i] 表示以nums[i]结尾的最长递增子序列长度 int max_len = 1; // 初始化最长递增子序列长度为1 for (int i = 1; i < n; ++i) { // 遍历数组,从第二个元素开始 if (nums[i] > nums[i-1]) { // 如果当前元素比前一个大 dp[i] = dp[i-1] + 1; // 更新dp值,考虑加入当前元素后的增长长度 max_len = max(max_len, dp[i]); // 检查是否更新了最长序列长度 } } return max_len; // 返回最长连续递增子序列的长度 } }; ``` 在这个代码中,我们使用了一个动态规划(Dynamic Programming)的方法,维护了一个数组`dp`来存储每个位置以该位置元素结尾的最大递增子序列长度。遍历过程中,如果遇到当前元素大于前一个元素,则说明可以形成一个新的递增子序列,所以将`dp[i]`设置为`dp[i-1]+1`,并更新全局的最长序列长度。 如果你想要深入了解这个问题,可以问: 1. 这个问题的时间复杂度是多少? 2. 动态规划是如何帮助解决这个问题的? 3. 如何优化这个算法,使其空间复杂度更低?
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