概念理解
位运算直接对内存数据进行操作,不需要转成十进制,因此处理速度非常快。
运算符
运算符(全)
按位与的常用技巧
快速幂
负数的补码
题目
011-二进制中1的个数
输入一个整数,输出该数二进制表示中1的个数。其中负数用补码表示。
方法一:
如果一个整数不为0,那么这个整数至少有一位是1。如果我们把这个整数减1,那么原来处在整数最右边的1就会变为0,原来在1后面的所有的0都会变成1(如果最右边的1后面还有0的话)。其余所有位将不会受到影响。
举个例子:一个二进制数1100,从右边数起第三位是处于最右边的一个1。减去1后,第三位变成0,它后面的两位0变成了1,而前面的1保持不变,因此得到的结果是1011.我们发现减1的结果是把最右边的一个1开始的所有位都取反了。这个时候如果我们再把原来的整数和减去1之后的结果做与运算,从原来整数最右边一个1那一位开始所有位都会变成0。如1100&1011=1000.也就是说,把一个整数减去1,再和原整数做与运算,会把该整数最右边一个1变成0.那么一个整数的二进制有多少个1,就可以进行多少次这样的操作。
class Solution:
def NumberOf1(self, n):
# write code here
count = 0
if n < 0:
n = n & 0xffffffff #p负数存在计算机里本来就是补码,
#python的负数相当于前面有无限个1,要对python的负数做处理,限制在32位
while n:
count += 1
n = n&(n-1)
return count
方法二:
如果n大于0,直接计算即可,如果n小于0,限制n在32位(python负数为补码形式,前面有无限个1)的结果中1的个数。
nbin = bin(n & 0xffffffff) #bin(10)=>'0b1010'
return nbin.count('1')
012-数值的整数次方
给定一个double类型的浮点数base和int类型的整数exponent。求base的exponent次方。保证base和exponent不同时为0。
/*剑指书中细节:
*1.当底数为0且指数<0时
会出现对0求倒数的情况,需进行错误处理,设置一个全局变量;
*2.判断底数是否等于0
由于base为double型,不能直接用==判断
*3.优化求幂函数
当n为偶数,
a
n
=
(
a
n
/
2
)
∗
(
a
n
/
2
)
a^n =(a^{n/2})*(a^{n/2})
an=(an/2)∗(an/2)
当n为奇数,
a
n
=
a
(
n
−
1
)
/
2
∗
a
(
n
−
1
)
/
2
∗
a
a^n = a^{(n-1)/2} * a^{(n-1)/2} * a
an=a(n−1)/2∗a(n−1)/2∗a
时间复杂度O(logn)
*/
注意判断base作为浮点型是否为零:Python中如何比较浮点数是否相等
方法一:快速幂(O(logn))
class Solution:
def Power(self, base, exponent):
# write code here
if base == 0:
if exponent < 0:
return -1
return 0
if exponent == 0:
return 1
res = 1
tmp = base
e = abs(exponent)
while e:
if e&1 == 1:
res *= tmp
e = e >> 1
tmp *= tmp #计算base^1,base^2,base^3,...
return res if exponent>0 else 1/res
方法二:普通方法(时间复杂度O(n))
if base == 0:
if exponent < 0:
return -1
return 0
if exponent == 0:
return 1
res = 1
for _ in range(abs(exponent)):
res *= base
return res if exponent>0 else 1/res