Python算法——用O(1)的时间复杂度求栈中最小元素

要求:

       由于栈具有后进先出(Last In First Out, LIFO)的特点,因此 push 和 pop 只需要对栈顶元素进行操作,只能访问到栈顶元素,而无法得到栈中最小的元素。那么,如何求栈中最小元素呢?

解析:

       1.利用一个变量记录栈底的位置,通过遍历栈中的所有元素找出最小值。但是这种方法的时间复杂度为 O(n)。

       2.使用两个栈结构,一个栈用来存储数据,另一个栈用来存储栈的最小元素

       实现思路如下:

       (1)使用 elemStack 和 minStack 两个栈结构,elemStack 用来存储数据,minStack 用来存储 elem 栈的最小元素。

       (2)在入栈时,如果当前入栈的元素比原来栈中的最小值还小,则把这个值压入 minStack 栈中;

       (3)在出栈时,如果当前出栈的元素恰好为 minStack栈中的最小值,则 minStack 栈的栈顶元素也出栈,使得当前最小值变为当前最小值入栈之前的那个最小值。


     假设 elem 栈中元素为3,2,5,1,6那么 min 栈中对应的元素为3,2,1。对应的图示如下:

       如上图所示, elem 栈顶元素 6 出栈

  • 1
    点赞
  • 3
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
下面是常用的几种排序算法Python实现,以及它们的时间复杂度和空间复杂度评估: 1. 冒泡排序 ```python def bubble_sort(arr): n = len(arr) for i in range(n): for j in range(0, n-i-1): if arr[j] > arr[j+1]: arr[j], arr[j+1] = arr[j+1], arr[j] return arr ``` 时间复杂度:$O(n^2)$,空间复杂度:$O(1)$ 2. 插入排序 ```python def insertion_sort(arr): n = len(arr) for i in range(1, n): key = arr[i] j = i - 1 while j >= 0 and key < arr[j]: arr[j+1] = arr[j] j -= 1 arr[j+1] = key return arr ``` 时间复杂度:$O(n^2)$,空间复杂度:$O(1)$ 3. 选择排序 ```python def selection_sort(arr): n = len(arr) for i in range(n): min_idx = i for j in range(i+1, n): if arr[j] < arr[min_idx]: min_idx = j arr[i], arr[min_idx] = arr[min_idx], arr[i] return arr ``` 时间复杂度:$O(n^2)$,空间复杂度:$O(1)$ 4. 快速排序 ```python def quick_sort(arr): if len(arr) <= 1: return arr pivot = arr[0] left = [x for x in arr[1:] if x < pivot] right = [x for x in arr[1:] if x >= pivot] return quick_sort(left) + [pivot] + quick_sort(right) ``` 时间复杂度:$O(n\log n)$,空间复杂度:$O(n)$ 5. 归并排序 ```python def merge_sort(arr): if len(arr) <= 1: return arr mid = len(arr) // 2 left = merge_sort(arr[:mid]) right = merge_sort(arr[mid:]) return merge(left, right) def merge(left, right): res = [] i, j = 0, 0 while i < len(left) and j < len(right): if left[i] <= right[j]: res.append(left[i]) i += 1 else: res.append(right[j]) j += 1 res += left[i:] res += right[j:] return res ``` 时间复杂度:$O(n\log n)$,空间复杂度:$O(n)$ 6. 堆排序 ```python def heap_sort(arr): n = len(arr) for i in range(n//2-1, -1, -1): heapify(arr, n, i) for i in range(n-1, 0, -1): arr[i], arr[0] = arr[0], arr[i] heapify(arr, i, 0) return arr def heapify(arr, n, i): largest = i l = 2 * i + 1 r = 2 * i + 2 if l < n and arr[l] > arr[largest]: largest = l if r < n and arr[r] > arr[largest]: largest = r if largest != i: arr[i], arr[largest] = arr[largest], arr[i] heapify(arr, n, largest) ``` 时间复杂度:$O(n\log n)$,空间复杂度:$O(1)$

“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