477. Total Hamming Distance刷题笔记

本文介绍了一种优化的解决方案,将汉明距离计算方法转换为针对32位移的0和1乘积计数,有效解决了逐对计算导致的超时问题。作者分享了如何使用`totalHammingDistance`函数计算列表中元素之间的累计汉明距离,提高了算法性能。
摘要由CSDN通过智能技术生成

逐对计算汉明距离,会超时报错

class Solution:
    def hammingDistance(self, x: int, y: int) -> int:
        x = x^y
        y = 0
        while x:
            y +=  1
            x = x&(x-1)
        return y
        

改成计算位移i位后,0和1的乘积,问题解决

class Solution:
    def totalHammingDistance(self, nums: List[int]) -> int:
        res = 0
        n = len(nums)
        for i in range(32):
            ones = 0
            for num in nums:
                if num>>i & 1:
                    ones +=1
            res += ones * (n-ones)
        return res

在这里插入图片描述

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
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