977.有序数组的平方
思路
先平方,再快排
时间复杂度取决于快排的复杂度,为O(nlogn)
双指针
前后各开始一个指针向中间循环,边循环边比较大小
代码
def sortedSquares(self, nums: List[int]) -> List[int]:
left = 0
right = len(nums) - 1
nums_new = []
while left <= right:
left_sq = nums[left] ** 2
right_sq = nums[right] ** 2
if left_sq < right_sq:
nums_new.insert(0, right_sq)
right -= 1
else:
nums_new.insert(0, left_sq)
left += 1
return nums_new
感悟
- 前两天刚被动复习了信息检索里布尔检索将几个查询的结果合并的算法,所以就想到了这个题的做法。
- 但是在考虑循环和判断条件时遇到了些问题,循环条件应该考虑当两个指针同时到某个位置时应该进入循环,否则就落下了一个值,判断条件我开始把等于的情况单放了一条,反而使代码更复杂了
209.长度最小的子数组
思路
-
滑动窗口是:满足其和大于等于target的 长度最小的 连续 子数组
-
窗口的结束位置如何移动:遍历数组的指针,也就是for循环里的索引
-
窗口的起始位置如何移动:如果当前窗口的值大于target了,窗口就要向前移动了(也就是该缩小了)
时间复杂度是O(n):主要是看每一个元素被操作的次数,每个元素在滑动窗口进来操作一次,出去操作一次,每个元素都是被操作两次,所以时间复杂度是 2 × n 也就是O(n)。
代码
def minSubArrayLen(self, target: int, nums: List[int]) -> int:
start = 0
array_sum = 0
min_len = float('inf')
for end in range(len(nums)):
array_sum += nums[end]
while array_sum >= target:
min_len = min(min_len, end - start + 1)
array_sum -= nums[start]
start += 1
end += 1
if min_len == float('inf'):
return 0
else:
return min_len
59.螺旋矩阵II
思路
确定循环规范,每一部分统一按照左闭右开来填充。
外循环遍历圈数,内循环找坐标。
找坐标时横纵坐标有一个不变,另一个坐标要找到起点和终点的位置,在这个范围内逐个填充。
代码
def generateMatrix(self, n: int) -> List[List[int]]:
nums = [[0] * n for _ in range(n)]
startx, starty = 0, 0
loop = n // 2
mid = n // 2
count = 1
for offset in range(1, loop + 1) : # 每循环一层偏移量加1,偏移量从1开始
for i in range(starty, n - offset): # 从左至右,左闭右开
nums[startx][i] = count
count += 1
for i in range(startx, n - offset): # 从上至下
nums[i][n - offset] = count
count += 1
for i in range(n - offset, starty, -1): # 从右至左
nums[n - offset][i] = count
count += 1
for i in range(n - offset, startx, -1): # 从下至上
nums[i][starty] = count
count += 1
startx += 1 # 更新起始点
starty += 1
if n % 2 != 0 : # n为奇数时,填充中心点
nums[mid][mid] = count
return nums
每日总结
第二个题思路难想,第三个题有点繁琐,加上昨天时间不太充裕,这第二天的打卡用了两天才完成,算法学习任重道远啊。