leetcode解题笔记--part1--array

 1 def maxArea(self, height):
 2         """
 3         :type height: List[int]
 4         :rtype: int
 5         """
 6         i = 0
 7         j = len(height)-1
 8         maxarea = 0
 9         while i < j:
10             maxarea = max((j-i)*min(height[i],height[j]), maxarea)
11             if height[i] < height[j]:
12                 i += 1
13             else:
14                 j -= 1
15         return maxarea

15. 3Sum【Medium】返回目录

题目：

Given an array S of n integers, are there elements a, b, c in S such that a + b + c = 0? Find all unique triplets in the array which gives the sum of zero

解题思路：

做2Sum的时候用的是hash算法O(N)就可以做完，那么这个3Sum其实就是一个O(N)的2Sum, 于是乎就是O(N*N)的算法

2Sum算法如下：O(N)

所以3Sum只需进行O(N)次2Sum就行了，写个循环完成

Tip:数组题要是涉及到找数字，记得用hash法，用空间换时间

code:

 1 def threeSum(self, nums):
 2         """
 3         :type nums: List[int]
 4         :rtype: List[List[int]]
 5         """
 6         length = len(nums)
 7         if length < 3:
 8             return []
 9         result = []
10         nums.sort()
11         for i in range(length-2):
12             if i>0 and nums[i]==nums[i-1]:
13                 continue
14             hash_table = {}
15             res = 0-nums[i] 
16             for j in range(i+1,len(nums)):
17                 if j>3 and nums[j]==nums[j-3]:
18                     continue
19                 if nums[j] in hash_table:
20                     result.append([nums[i],res-nums[j],nums[j]])
21                     hash_table.pop(nums[j])
22                 else:
23                     hash_table[res-nums[j]] = nums[j]
24         return result

哇，这道题处理重复很头疼啊,对于[1,0,-1,1]结果为[[1,0,-1],[0,-1，1]]显示说答案错误

如果找到一组解的时候，在result里面查询是否已经存在的话就会多一层循环，结果会超时。

所以这里预先将数组进行排序，让可行的结果呈顺序状，更好地防止结果重复。

但是面对大量重复数字的时候，出现很多问题，比如[0,0,0,0,0,0,0,0,0,0,0,0], [-4,2,2,2,2,2,2,2,3]

这里就要求固定第一个数字的时候，希望不重复，也就是要跳过nums[i]==nums[i-1]的情况

对于第二个数字呢，因为只要求2sum，所以对于重复大于3的情况不需要考虑。即跳过nums[j]==nums[j-3]

很奇怪为什么我的算法ac时间很长，统计数据只打败了2.9%提交的python代码，看下别人的解法

code_writen_by_others:

 1 def threeSum(self, nums):
 2         """
 3         :type nums: List[int]
 4         :rtype: List[List[int]]
 5         """
 6         length = len(nums)
 7         if length < 3:
 8             return []
 9         result = []
10         nums.sort()
11         for i in range(length-2):
12             if i>0 and nums[i]==nums[i-1]:
13                 continue
14             res = 0 - nums[i]
15             low = i+1
16             high = length-1
17             while(low < high):
18                 if(nums[low]+nums[high]==res):
19                     result.append([nums[i],nums[low],nums[high]])
20                     while(low<high and nums[low]==nums[low+1]):
21                         low += 1
22                     while(low<high and nums[high]==nums[high-1]):
23                         high -= 1
24                     low +=1
25                     high -=1
26                 else:
27                     if(nums[low]+nums[high]<res):
28                         low += 1
29                     else:
30                         high -= 1
31         return result

我好笨啊，因为已经排好序了，所以没必要用hash,直接两头做加法往中间移动，比hash省了空间还省了时间

但是2Sum用hash更好，因为排序算法是O(NlogN)的，hash是O(N)的，所以追求效率的话还是hash

16. 3Sum Closest【Medium】返回目录

题目：

解题思路：

与15题类似，只不过需要一个额外的哨兵记录下与目标的差异，遍历完留下差异最小的值

同时在遍历的过程中，如果比target要更大，需要移动更大的数变小，如果比target更小，需要移动更小的数变大

Tips:如果算法的时间复杂度为O(N*N), 那么最好事先就先排序，排好序之后就没有必要hash了，本来两头遍历复杂度也为O(N)

code:

 1 def threeSumClosest(self, nums, target):
 2         """
 3         :type nums: List[int]
 4         :type target: int
 5         :rtype: int
 6         """
 7         nums.sort()
 8         min_diff = float("inf")
 9         for i in range(len(nums)):
10             res = target-nums[i]
11             low,high = i+1,len(nums)-1
12             while low < high:
13                 diff = nums[low]+nums[high]-res
14                 if diff == 0:
15                     return target
16                 if abs(diff) < min_diff:
17                     min_diff = abs(diff)
18                     result = nums[i]+nums[low]+nums[high]
19                 if diff > 0:
20                     high -= 1
21                 else:
22                     low += 1
23         return result

18. 4Sum【Medium】返回目录

题目：

解题思路：

在网上看了一个特别brilliant的解法，让人觉得代码很有美感，而且还非常高效，就是把所有不需要的测试全部略过，让人赞叹不已

而且这道题还结合了前几道题的操作，这道题必须mark上两颗星

Tips:去除一些不必要的操作，虽然时间复杂度没有变，但是实际运行时间是减少的

code:

 1 def fourSum(self, nums, target):
 2         """
 3         :type nums: List[int]
 4         :type target: int
 5         :rtype: List[List[int]]
 6         """
 7         nums.sort()
 8         res = []
 9         if len(nums)<4 or 4*nums[0]>target or 4*nums[-1]<target:
10             return res
11         for i in range(len(nums)):
12             if i>0 and nums[i]==nums[i-1]:
13                 continue
14             if nums[i] + 3*nums[-1] < target:
15                 continue
16             if 4*nums[i] > target:
17                 break
18             if 4*nums[i] == target:
19                 if i+3<len(nums) and nums[i+3]==nums[i]:
20                     res.append([nums[i],nums[i],nums[i],nums[i]])
21                 break
22             res.extend(self.threeSum(nums[i+1:],target-nums[i],nums[i]))
23         return res
24     
25     def threeSum(self,nums,target,a):
26         res = []
27         if len(nums)<3 or 3*nums[0]>target or 3*nums[-1]<target:
28             return res
29         for i in range(len(nums)):
30             if i>0 and nums[i]==nums[i-1]:
31                 continue
32             if nums[i] + 2*nums[-1] < target:
33                 continue
34             if 3*nums[i] > target:
35                 break
36             if 3*nums[i] == target:
37                 if i+2<len(nums) and nums[i+2] == nums[i]:
38                     res.append([a,nums[i],nums[i],nums[i]])
39                 break
40             res.extend(self.twoSum(nums[i+1:],target-nums[i],a,nums[i]))
41         return res
42     
43     def twoSum(self,nums,target,a,b):
44         res = []
45         if len(nums)<2 or 2*nums[0]>target or 2*nums[-1]<target:
46             return res
47         i,j = 0,len(nums)-1
48         while i<j:
49             sum_temp = nums[i]+nums[j]
50             if sum_temp == target:
51                 res.append([a,b,nums[i],nums[j]])
52                 i += 1
53                 j -= 1
54             elif sum_temp > target:
55                 j -= 1
56             else:
57                 i += 1
58             while i>0 and i<len(nums) and nums[i]==nums[i-1]:
59                 i += 1
60             while j>0 and j<len(nums)-1 and nums[j]==nums[j+1]:
61                 j -= 1
62         return res

31. Next Permutation【Medium】返回目录

题目：

给你一个排列，要你求出，作为全排列组合中它的下一个排列。一般都是指一个升序数列的全排列An^n个，比如说：

[1,2,3] --> [1,3,2], [2,1,3], [2,3,1], [3,1,2], [3,2,1] --> [1,2,3]

本题要求：找到给出排列的下一个排列

解题思路：

观察找到全排列的规律，发现是个多重循环，按位置从小到大，可以得到的规律如下：【借鉴别人给出的例子，侵删】

1 2 7 4 3 1 --> 1 3 1 2 4 7

从末尾往前看，数字逐渐变大，找到第一个开始变小的数字，也就是2

1 2 7 4 3 1 然后从后面往前找到第一个大于2的数字，也就是3，这里是想说第二个位置2后面的已经全排列完了，可以换成3了

1 3 7 4 2 1　　换成三后面的又要重新进行全排列，全排列最后一个是逆序，第一个是顺序，所以只需要将3后面的翻转一下就可以

1 3 1 2 4 7

code:

 1 def nextPermutation(self, nums):
 2         """
 3         :type nums: List[int]
 4         :rtype: void Do not return anything, modify nums in-place instead.
 5         """
 6         a = -1
 7         for i in range(len(nums)-1,0,-1):
 8             if nums[i] > nums[i-1]:
 9                 a = i-1
10                 break
11         if a==-1:
12             return nums.reverse()
13         b = a+1
14         for j in range(len(nums)-1,a,-1):
15             if nums[j]>nums[a]:
16                 b = j
17                 break
18         nums[a],nums[b] = nums[b],nums[a]
19         i,j = a+1,len(nums)-1
20         while i<j:
21             nums[i],nums[j] = nums[j],nums[i]
22             i += 1
23             j -= 1

33. Search in Rotated Sorted Array【Medium】返回目录

题目：

就是说给定的数组是由一个升序数组就某个点翻转得到的，然后要在这样一个数组中查找某个数字，返回下标

解题思路：

直接暴力搜索，O(N) 我以为会超时，结果Accepted 可以没有利用到给定数组的特性，如果是升序数组的话可以用二分法是O(logN), 所以可以设计一个改进版二分法来处理这个问题

分两种情况：

a)mid如果在左边 : target在mid左 high=mid-1 target在mid右 low=mid+1

b)mid如果在右边 : target在mid左 high=mid-1 target在mid右 low=mid+1

code:(暴力法) beat 16.87%

 1 def search(self, nums, target):
 2         """
 3         :type nums: List[int]
 4         :type target: int
 5         :rtype: int
 6         """
 7         for i in range(len(nums)):
 8             if nums[i] == target:
 9                 return i
10         return -1

code:(改进二分法) beat 25.32%

 1 def search(self, nums, target):
 2         """
 3         :type nums: List[int]
 4         :type target: int
 5         :rtype: int
 6         """
 7         if len(nums) < 1:
 8             return -1
 9         low,high = 0, len(nums)-1
10         while(low<high):
11             mid = (low + high) // 2 
12             if nums[mid] == target:
13                 return mid
14             if nums[low] <= nums[mid]:
15                 if target >= nums[low] and target < nums[mid]:
16                     high = mid - 1
17                 else:
18                     low = mid + 1
19             else:
20                 if target > nums[mid] and target <= nums[high]:
21                     low = mid + 1
22                 else:
23                     high = mid -1
24         if nums[low] == target:
25             return low
26         else:
27             return -1

34. Search for a Range 【Medium】返回目录

题目:

解题思路：

要求在O(logn)时间内，那么就是希望我们用二分法进行查找，首先先用二分法找到相应的值，然后再向左判断边界，再向右判断边界，向左向右的过程中都是使用二分法

code: beat 21.43%

 1 def searchRange(self, nums, target):
 2         """
 3         :type nums: List[int]
 4         :type target: int
 5         :rtype: List[int]
 6         """
 7         if len(nums) < 1:
 8             return [-1,-1]
 9         low,high = 0,len(nums)-1
10         if nums[0]>target or nums[-1]<target:
11             return [-1,-1]
12         while(low <= high):
13             mid = (low+high)//2
14             if nums[mid] < target:
15                 low = mid + 1
16             elif nums[mid] == target: 
17                 b = mid
18                 high = mid - 1
19             else:
20                 high = mid - 1
21         if nums[high+1] != target:
22             return [-1,-1]
23         a = high+1
24         high = len(nums)-1
25         while(low <= high):
26             mid = (low+high)//2
27             if nums[mid] > target:
28                 high = mid - 1
29             else:
30                 low = mid + 1
31         return [a,low-1]

39. Combination Sum 【Medium】返回目录

题目：

解题思路：

搜索+回溯这道题很经典，理清楚怎么递归和回溯很重要

主要思路就是先第一个数字，再递归的求target-第一个数字，可以的话继续递归，不可以就回溯

我发现我真是有点笨，经常想不通怎么回溯

dfs的算法一定要非常熟悉，在python中通常都是要把path和result作为参数传入dfs函数中，用以记录可行的结果

Tips:求所有可能的解的时候就要想到搜索和递归

code: 参考的别人写的代码 beat 69.7% (大神就是厉害)

 1 　　def combinationSum(self, candidates, target):
 2         """
 3         :type candidates: List[int]
 4         :type target: int
 5         :rtype: List[List[int]]                             
 6         """
 7         res = []
 8         self.dfs(candidates,target,0,[],res)
 9         return res
10     def dfs(self,nums,target,index,path,res):
11         if target<0:
12             return 
13         elif target==0:
14             res.append(path)
15             return
16         else:
17             for i in range(index,len(nums)):
18                 self.dfs(nums,target-nums[i],i,path+[nums[i]],res)

上面的是递归回溯，下面是栈回溯

code: beat 68.18%

 1 def combinationSum(self, candidates, target):
 2         """
 3         :type candidates: List[int]
 4         :type target: int
 5         :rtype: List[List[int]]                             
 6         """
 7         res = []
 8         self.dfs(candidates,target,0,[],res)
 9         return res
10     def dfs(self,nums,target,index,path,res):
11         if target<0:
12             return 
13         elif target==0:
14             res.append(path[:])
15             return
16         else:
17             for i in range(index,len(nums)):
18                 path.append(nums[i])
19                 self.dfs(nums,target-nums[i],i,path,res)
20                 path.pop()

而且我今天还对python中的赋值机制进行了深入的学习，起因是第14行代码如果直接写成 res.append(path)的话，后面修改path是在原地址上修改，起不到保存结果的作用，所以用path[:]切片操作，相当于创建了一个新的对象进行保存，就可以让代码正常运行了

学习链接是： https://my.oschina.net/leejun2005/blog/145911 这个博客解释得相当清楚

40. Combination Sum II 【Medium】返回目录

题目：同39 只是要求一个数只能用一次，所以只是循环的时候要求index+1，具体细节看39题

code: beat 73.81%

 1 　　def combinationSum2(self, candidates, target):
 2         """
 3         :type candidates: List[int]
 4         :type target: int
 5         :rtype: List[List[int]]
 6         """
 7         res = []
 8         candidates.sort()
 9         print(candidates)
10         self.dfs(candidates,target,[],0,res)
11         return res
12     def dfs(self,nums,target,path,index,res):
13         if target<0:
14             return
15         elif target==0:
16             res.append(path)
17             return
18         else:
19             for i in range(index,len(nums)):
20                 if i>index and nums[i]==nums[i-1]:
21                     continue
22                 self.dfs(nums,target-nums[i],path+[nums[i]],i+1,res)

48. Rotate Image 【Medium】返回目录

题目：

解题思路：

主要是寻找旋转前和旋转后坐标位置的对应关系，我们发现

所以就是对每一个正方形框的上边进行逐个元素的旋转置位，就可以了

code: beat 70.69% 完全自己写的，好有成就感哈哈哈~

1 def rotate(self, matrix):
2         """
3         :type matrix: List[List[int]]
4         :rtype: void Do not return anything, modify matrix in-place instead.
5         """
6         n = len(matrix)-1
7         for i in range(n//2+1):
8             for j in range(n-2*i):
9                 matrix[i][i+j],matrix[i+j][n-i],matrix[n-i][n-i-j],matrix[n-i-j][i] = matrix[n-i-j][i],matrix[i][i+j],matrix[i+j][n-i],matrix[n-i][n-i-j]

然后看了下别人的解法

code: 比我的解法简单太多了，膜拜大神

 1 def rotate(self, matrix):
 2         """
 3         :type matrix: List[List[int]]
 4         :rtype: void Do not return anything, modify matrix in-place instead.
 5         """
 6         '''
 7         clockwise rotate
 8         first reverse up to down, then swap the symmetry 
 9         1 2 3     7 8 9     7 4 1
10         4 5 6  => 4 5 6  => 8 5 2
11         7 8 9     1 2 3     9 6 3
12         '''
13         matrix.reverse()
14         n = len(matrix)
15         for i in range(n-1):
16             for j in range(i+1,n):
17                 matrix[i][j],matrix[j][i] = matrix[j][i],matrix[i][j]

54. Spiral Matrix【Medium】返回目录

题目：把矩阵螺旋展开，不一定是方阵

解题思路：

每个回路都对四条边进行遍历，坐标规律自己找，就是需要考虑好多情况，代码时完全debug出来的

code: beat 87%

 1 def spiralOrder(self, matrix):
 2         """
 3         :type matrix: List[List[int]]
 4         :rtype: List[int]
 5         """
 6         res = []
 7         if not len(matrix):
 8             return []
 9         h,w = len(matrix),len(matrix[0])
10         if not w:
11             return []
12         n = (min(h,w)-1)//2
13         for i in range(n+1):
14             for j in range(w):
15                 res.append(matrix[i][i+j])
16             if h-1:
17                 for j in range(1,h):
18                     res.append(matrix[i+j][i+w-1])
19             if h-1 and w-1:
20                 for j in range(1,w):
21                     res.append(matrix[i+h-1][i+w-j-1])
22             if w-1 and h-1:
23                 for j in range(1,h-1):
24                     res.append(matrix[i+h-j-1][i])
25             h -= 2
26             w -= 2
27         return res

参考别人的代码，我发现我想的太过于复杂或者说细节要考虑的太多，导致需要大量时间调试，舍本求末，其实很简单，只需要colbegin<=colend and rowbegin<=rowend这一个限制条件就可以了，没必要对所有的坐标特点都清楚

Tips:如果对于矩阵中的遍历，清楚地知道begin and end那么就没有必要知道i,j的变化细节

code:

 1 def spiralOrder(self, matrix):
 2         """
 3         :type matrix: List[List[int]]
 4         :rtype: List[int]
 5         """
 6         if not len(matrix):
 7             return []
 8         if not len(matrix[0]):
 9             return []
10         res = []
11         rowbegin,rowend = 0,len(matrix)-1
12         colbegin,colend = 0,len(matrix[0])-1
13         while(rowbegin<=rowend and colbegin<=colend):
14             for j in range(colbegin,colend+1):
15                 res.append(matrix[rowbegin][j])
16             rowbegin += 1
17             for j in range(rowbegin,rowend+1):
18                 res.append(matrix[j][colend])
19             colend -= 1
20             if rowbegin<=rowend: 
21                 for j in range(colend,colbegin-1,-1):
22                     res.append(matrix[rowend][j])
23             rowend -=1
24             if colbegin<=colend:
25                 for j in range(rowend,rowbegin-1,-1):
26                     res.append(matrix[j][colbegin])
27             colbegin += 1
28         return res

注意，当遍历到下边和左边的时候，要进行判断，是否满足还可以遍历的条件

55. Jump Game 【Medium】返回目录

题目：

解题思路：

我看到这个题目，第一眼就想到用递归深搜去做，结果直接超时，因为这个分支太多，用dfs适合那种分支较少的题目，比如说 39 ，像这种比较多情况的容易重复计算的题目就适合用动态规划做，这样就可以节省时间

动态规划的题最大的点就是要找到最优子结构:

for i in range(1,nums[i]):

　　dp[index] += dp[i]

如果用递归的话，dp[i]要被反复计算，用动态规划的话，dp[i]只需要计算一次然后记录下来，整个过程应该是倒着来的

Tips:如果发现递归会有很多重复的求解，那么就改成动态规划

code:

我的超时解法：

 1 def canJump(self, nums):
 2         """
 3         :type nums: List[int]
 4         :rtype: bool
 5         """
 6         dp = nums[:]
 7         dp[len(nums)-1] = True
 8         for i in range(len(nums)-2,-1,-1):
 9             dp[i] = False
10             for j in range(i+1,i+nums[i]+1):
11                 if dp[j]:
12                     dp[i] = True
13                     break
14         return dp[0]

然后看别人的解法，发现，没有必要对每个点可以到达的地方都进行遍历，只需要对最大能到达的地方进行记录，当最大能到达的地方大于终点说明就能到达终点

code:

 1 def canJump(self, nums):
 2         """
 3         :type nums: List[int]
 4         :rtype: bool
 5         """
 6         i = 0
 7         reach = 0
 8         for i in range(len(nums)):
 9             if i>reach:
10                 break
11             reach = max(i+nums[i],reach)
12         return reach>=len(nums)-1

56. Merge Intervals【Medium】返回目录

题目：

解题思路：

本来想用初中学的数轴法，也就是用一个flag记录是否需要覆盖，可是发现数轴法不适用，所以还是先排序，再遍历吧

code: 数轴法[wrong error]

 1 # Definition for an interval.
 2 # class Interval:
 3 #     def __init__(self, s=0, e=0):
 4 #         self.start = s
 5 #         self.end = e
 6 
 7 class Solution:
 8     def merge(self, intervals):
 9         """
10         :type intervals: List[Interval]
11         :rtype: List[Interval]
12         """
13         flag = []
14         for i in range(len(intervals)):
15             for j in range(len(flag),intervals[i].start):
16                 flag.append(0)
17             end = min(intervals[i].end+1,len(flag))
18             for j in range(intervals[i].start,end):
19                 flag[j] = 1
20             for j in range(end,intervals[i].end+1):
21                 flag.append(1)
22         res = []
23         i = 0 
24         while i<len(flag):
25             if flag[i]:
26                 temp = Interval(s=i)
27                 while i<len(flag) and flag[i]:
28                     i += 1
29                 temp.end = i-1
30                 res.append(temp)
31             else:
32                 i += 1
33         return res
34

code: Accepted

 1 # Definition for an interval.
 2 # class Interval:
 3 #     def __init__(self, s=0, e=0):
 4 #         self.start = s
 5 #         self.end = e
 6 
 7 class Solution:
 8     def merge(self, intervals):
 9         """
10         :type intervals: List[Interval]
11         :rtype: List[Interval]
12         """
13         if not intervals:
14             return []
15         intervals.sort(key=self.getKey)
16         temp = intervals[0]
17         res = []
18         for i in range(1,len(intervals)):
19             if intervals[i].start<=temp.end:
20                 temp.end = max(intervals[i].end,temp.end)
21             else:
22                 res.append(temp)
23                 temp = intervals[i]
24         res.append(temp)
25         return res
26     
27     def getKey(self, interval):
28         return interval.start

学会了结构体排序的方法 sorted(intervals, key=lambda i: i.start) list.sort(intervals, key=lambda i: i.start) 或者写成显示的函数

59. Spiral Matrix II 【Medium】返回目录

题目：

解题思路：

同 54 题，使用的是第二种解法

code:

 1 def generateMatrix(self, n):
 2         """
 3         :type n: int
 4         :rtype: List[List[int]]
 5         """
 6         rowbegin = colbegin = 0
 7         rowend = colend = n-1
 8         res = [ [ 0 for i in range(n) ] for j in range(n) ]
 9         count = 1
10         while rowbegin <= rowend and colbegin <= colend:
11             for i in range(colbegin,colend+1):
12                 res[rowbegin][i] = count
13                 count += 1
14             rowbegin += 1
15             for i in range(rowbegin,rowend+1):
16                 res[i][colend] = count
17                 count += 1
18             colend -= 1
19             if rowbegin<=rowend:
20                 for i in range(colend,colbegin-1,-1):
21                     res[rowend][i] = count
22                     count += 1
23             rowend -= 1
24             if colbegin<=colend:
25                 for i in range(rowend,rowbegin-1,-1):
26                     res[i][colbegin] = count
27                     count += 1
28             colbegin += 1
29         return res

62. Unique Paths 【Medium】返回目录

题目：

解题思路：

因为有很多子路是重复的，所以用动态规划比较好，最优子结构是 dp[i][j] = dp[i-1][j] + dp[i][j+1] 然后从目的地开始倒着填这张动态规划表就可以,倒着从行开始，再倒着列

code: 第一次写完代码一遍过，开心，决定再写一道

 1 def uniquePaths(self, m, n):
 2         """
 3         :type m: int
 4         :type n: int
 5         :rtype: int
 6         """
 7         dp = [[1 for i in range(n)] for j in range(m)]
 8         for i in range(m-2,-1,-1):
 9             for j in range(n-2,-1,-1):
10                 dp[i][j] = dp[i+1][j] + dp[i][j+1]
11         return dp[0][0]

对算法进行优化，时间复杂度变不了了O(mn), 看答案发现空间复杂度可以进行优化成O(min(m,n)), 可以只留下一行空间：

code:

 1 def uniquePaths(self, m, n):
 2         """
 3         :type m: int
 4         :type n: int
 5         :rtype: int
 6         """
 7         if m > n: 
 8             return self.uniquePaths(n, m)
 9         dp = [1 for i in range(m)]
10         for j in range(1,n):
11             for i in range(1,m):
12                 dp[i] += dp[i-1]
13         return dp[m-1]

63. Unique Paths II 【Medium】返回目录

题目:

解题思路：

和上面一题一样，只不过多加了个障碍物，做法一样，倒着填dp表，只不过需要些限制条件，如果位置为1的话，那么计算的时候不能把它算在里面

首先要将0,1反过来，用0表示障碍物会方便计算

code:

 1 def uniquePathsWithObstacles(self, obstacleGrid):
 2         """
 3         :type obstacleGrid: List[List[int]]
 4         :rtype: int
 5         """
 6         m = len(obstacleGrid)
 7         if not m:
 8             return 0
 9         n = len(obstacleGrid[0])
10         if obstacleGrid[m-1][n-1] or obstacleGrid[0][0]:
11             return 0
12         dp = [[1-obstacleGrid[i][j] for j in range(n)] for i in range(m)]
13         for i in range(m-2,-1,-1):
14             dp[i][n-1] = dp[i+1][n-1] & dp[i][n-1]
15         for j in range(n-2,-1,-1):
16             dp[m-1][j] = dp[m-1][j+1] & dp[m-1][j]
17         for i in range(m-2,-1,-1):
18             for j in range(n-2,-1,-1):
19                 print(i,j)
20                 if dp[i][j]:
21                     dp[i][j] = dp[i+1][j] + dp[i][j+1]
22         return dp[0][0]

64. Minimum Path Sum 【Medium】返回目录

题目：

解题思路：

和前面两题一样，用动态规划做 dp[i][j] = min(dp[i+1][j],dp[i][j+1])+matrix[i][j]

code: 感觉现在自己做这种题都能一遍过呀，厉害厉害，鼓掌~

 1 def minPathSum(self, grid):
 2         """
 3         :type grid: List[List[int]]
 4         :rtype: int
 5         """
 6         m = len(grid)
 7         if not m:
 8             return 0
 9         n = len(grid[0])
10         for i in range(m-2,-1,-1):
11             grid[i][n-1] = grid[i][n-1] + grid[i+1][n-1]
12         for j in range(n-2,-1,-1):
13             grid[m-1][j] = grid[m-1][j] + grid[m-1][j+1]
14         for i in range(m-2,-1,-1):
15             for j in range(n-2,-1,-1):
16                 grid[i][j] = min(grid[i+1][j],grid[i][j+1])+grid[i][j]
17         return grid[0][0]

73. Set Matrix Zeroes 【Medium】返回目录

题目：

解题思路：

这道题看起来好像很容易，但是注意要求in place也就是不能用额外的空间，主要问题是当你处理遇到的第一个0的时候，你把当行当列都置为0，那么其他0的位置信息就被覆盖了，所以需要额外的空间存储之前0的位置信息，但是要求in place

所以就需要高效利用本身的空间，并且不冲掉已有信息，所以这里用每行的第一个位置记录每行的状态，每列的第一个位置记录每列的状态，因为row0 col0的位置重合了，所以需要额外的一个空间 O(1)算法

code: 这道题折腾了一下，想叉了，参考别人做法的

 1 def setZeroes(self, matrix):
 2         """
 3         :type matrix: List[List[int]]
 4         :rtype: void Do not return anything, modify matrix in-place instead.
 5         """
 6         m = len(matrix)
 7         if not m:
 8             return
 9         n = len(matrix[0])
10         col0 = 1
11         for i in range(m):
12             for j in range(n):
13                 if not matrix[i][j]:
14                     if not j:
15                         col0 = 0
16                     else:
17                         matrix[0][j] = 0
18                     matrix[i][0] = 0
19         for i in range(1,m):
20             for j in range(1,n):
21                 if matrix[i][0]==0 or matrix[0][j]==0:
22                     matrix[i][j] = 0
23         if not matrix[0][0]:
24             for j in range(1,n):
25                 matrix[0][j] = 0
26         if not col0:
27             for i in range(m):
28                 matrix[i][0] = 0

74. Search a 2D Matrix 【Medium】返回目录

题目：

解题思路：

感觉这道题很简单，先按行使用二分法，确定target具体在哪一行，然后对于确定的行再用二分法，确定具体的列index

code:

 1 def searchMatrix(self, matrix, target):
 2         """
 3         :type matrix: List[List[int]]
 4         :type target: int
 5         :rtype: bool
 6         """
 7         rowbegin = 0
 8         rowend = len(matrix)-1
 9         if rowend<0:
10             return False
11         colbegin = 0
12         colend = len(matrix[0])-1
13         if colend < 0:
14             return False
15         res = False
16         while rowbegin<=rowend:
17             midrow = (rowbegin+rowend)//2
18             if matrix[midrow][colbegin] <= target <= matrix[midrow][colend]:
19                 while colbegin<=colend:
20                     midcol = (colbegin+colend)//2
21                     if matrix[midrow][midcol]==target:
22                         res = True
23                         return res
24                     elif matrix[midrow][midcol]<target:
25                         colbegin = midcol + 1
26                     else:
27                         colend = midcol - 1
28                 return res
29             elif target > matrix[midrow][colend]:
30                 rowbegin = midrow + 1
31             elif target < matrix[midrow][colbegin]:
32                 rowend = midrow - 1
33         return res

code: 我的解法有点啰嗦，看了别人的解法，简洁才是美, 不要把它看成是一个二维数组，应该把它当做是一个一维数组直接使用二分法进行查找

 1 def searchMatrix(self, matrix, target):
 2         """
 3         :type matrix: List[List[int]]
 4         :type target: int
 5         :rtype: bool
 6         """
 7         m = len(matrix)
 8         if not m:
 9             return False
10         n = len(matrix[0])
11         l, r = 0, m*n-1
12         while l <= r:
13             mid = (l+r) // 2
14             if matrix[mid//n][mid%n] == target:
15                 return True
16             elif matrix[mid//n][mid%n] < target:
17                 l = mid + 1
18             else:
19                 r = mid -1
20         return False

75. Sort Colors 【Medium】返回目录

题目：

解题思路：

题目意思不是很好懂，就是说一个数组中有一堆0,1,2要你给排好序，相同数组排在一起，直接用nums.sort() 确实可以Accepted，但是因为是O(nlogn)，所以时间很慢，提示要求只遍历一遍而且使用常数空间

我想的是用两个变量记录下1和2的开始的index,遇到相应的0,1就直接交换

code:

 1 def sortColors(self, nums):
 2         """
 3         :type nums: List[int]
 4         :rtype: void Do not return anything, modify nums in-place instead.
 5         """
 6         one = 0
 7         two = 0
 8         for i in range(len(nums)):
 9             if nums[i] == 0:
10                 if i>=one:
11                     nums[i],nums[one] = nums[one],nums[i]
12                     one += 1
13                     if two < one:
14                         two = one
15             if nums[i] == 1:
16                 if i>=two:
17                     nums[i],nums[two] = nums[two],nums[i]
18                     two += 1

78. Subsets【Medium】返回目录

题目：

解题思路：

递归求解，res做为参数传递

code:

 1 def subsets(self, nums):
 2         """
 3         :type nums: List[int]
 4         :rtype: List[List[int]]
 5         """
 6         res = []
 7         self.findset(res,0,[],nums)
 8         return res
 9     def findset(self,res,index,path,nums):
10         res.append(path)
11         for i in range(index,len(nums)):
12             self.findset(res,i+1,path+[nums[i]],nums)    #这里注意不要把i+1写成了index+1导致报错

看了下其他的参考答案，觉得真的很精妙啊，有用位运算的，也有迭代算法，位运算是非常切合子集运算这个任务了

code: 位运算

 1 def subsets(self, nums):
 2         """
 3         :type nums: List[int]
 4         :rtype: List[List[int]]
 5         """
 6         res = []
 7         for i in range(1<<len(nums)):
 8             tmp = []
 9             for j in range(len(nums)):
10                 if i & 1<<j:   #if i>>j & 1    看第j位是否为1，如果是就要加入到当前子集中
11                     tmp.append(nums[j])
12             res.append(tmp)
13         return res

code: 迭代算法

1 def subsets(self, nums):
2         """
3         :type nums: List[int]
4         :rtype: List[List[int]]
5         """
6         res = [[]]
7         for num in nums:
8             res += [item+[num] for item in res]
9         return res

79. Word Search【Medium】返回目录

题目：

解题思路：

先通过二层循环找到第一个字符，然后再展开dfs，自己按死方法写了个代码，超时了，注意，每一个位置只能visit一次

code: 超时算法

 1 def exist(self, board, word):
 2         """
 3         :type board: List[List[str]]
 4         :type word: str
 5         :rtype: bool
 6         """
 7         m = len(board)
 8         if not m or not word:
 9             return False
10         n = len(board[0])
11         if not n:
12             return False
13         for i in range(m):
14             for j in range(n):
15                 visit = [[0 for j in range(n)] for i in range(m)]
16                 if board[i][j] == word[0]:
17                     visit[i][j] = 1
18                     if self.neiborfind(i,j,word,1,board,visit):
19                         return True
20         return False
21     def neiborfind(self,i,j,word,index,board,visit):
22         if index==len(word):
23             return True
24         if i>0 and word[index]==board[i-1][j] and not visit[i-1][j]:
25             visit[i-1][j] = 1
26             if self.neiborfind(i-1,j,word,index+1,board,visit):
27                 return True
28             visit[i-1][j] = 0
29         if j>0 and word[index]==board[i][j-1] and not visit[i][j-1]:
30             visit[i][j-1] = 1
31             if self.neiborfind(i,j-1,word,index+1,board,visit):
32                 return True
33             visit[i][j-1] = 0
34         if i<len(board)-1 and word[index]==board[i+1][j] and not visit[i+1][j]:
35             visit[i+1][j] = 1
36             if self.neiborfind(i+1,j,word,index+1,board,visit):
37                 return True
38             visit[i+1][j] = 0
39         if j<len(board[0])-1 and word[index]==board[i][j+1] and not visit[i][j+1]:
40             visit[i][j+1] = 1
41             if self.neiborfind(i,j+1,word,index+1,board,visit):
42                 return True
43             visit[i][j+1] = 0
44         return False

code: Accepted 算法，参考别人的, 发现原理和我自己写的几乎一样，就是写法高超了很多，膜拜膜拜

 1 def exist(self, board, word):
 2         if not board:
 3             return False
 4         for i in range(len(board)):
 5             for j in range(len(board[0])):
 6                 if self.dfs(board, i, j, word):
 7                     return True
 8         return False
 9  
10     def dfs(self, board, i, j, word):
11         if len(word) == 0:
12             return True
13         if i<0 or i>=len(board) or j<0 or j>=len(board[0]) or word[0]!=board[i][j]:
14             return False
15         tmp = board[i][j] 
16         board[i][j] = "#" 
17         res = self.dfs(board, i+1, j, word[1:]) or self.dfs(board, i-1, j, word[1:]) 
18         or self.dfs(board, i, j+1, word[1:]) or self.dfs(board, i, j-1, word[1:])
19         board[i][j] = tmp
20         return res

80. Remove Duplicates from Sorted Array II 【Medium】返回目录

题目：

解题思路：

就简单遍历吧

code:

 1 def removeDuplicates(self, nums):
 2         """
 3         :type nums: List[int]
 4         :rtype: int
 5         """
 6         i = 0
 7         while i < len(nums):
 8             if i>0 and nums[i]==nums[i-1]:
 9                 j = i+1
10                 while j<len(nums) and nums[j]==nums[i]:
11                     nums.pop(j)
12             i += 1
13         return len(nums)

我的解法还是不够简洁，其实没有必要pop的，参考别人的算法(主要利用了题目的条件，数组是已经升序排列好的，并且It doesn't matter what you leave beyond the new length)

code:

 1 def removeDuplicates(self, nums):
 2         """
 3         :type nums: List[int]
 4         :rtype: int
 5         """
 6         i = 0
 7         for num in nums:
 8             if i<2 or num>nums[i-2]:
 9                 nums[i] = num     #注意题目要求nums[:i+1]是剔除后的结果
10                 i += 1
11         return i

81. Search in Rotated Sorted Array II 【Medium】返回目录

题目：

解题思路：

是 33 题中包含duplicates的情况，这样呢，就不方便事先判断mid是在左边还是在右边，如下面的情况

然后呢，就在判断左右边的情况下增加一种新的情况，就是当nums[mid] == nums[l], 那么就l++, 这样就可以转换成普通的情况了

比如上面，就转换成 [3,1,1,1]

code:

 1 def search(self, nums, target):
 2         """
 3         :type nums: List[int]
 4         :type target: int
 5         :rtype: bool
 6         """
 7         l,r = 0,len(nums)-1
 8         while l<=r:
 9             mid = (l+r)//2
10             print(l,r,mid)
11             if nums[mid] == target:
12                 return True
13             if nums[mid] > nums[l]:  # left
14                 if target>=nums[l] and target<nums[mid]:
15                     r = mid -1
16                 else:
17                     l = mid + 1
18             elif nums[mid] < nums[l]:                     # right
19                 if nums[mid]<target<=nums[r]:
20                     l = mid + 1
21                 else:
22                     r = mid - 1
23             else:
24                 l = l + 1
25         return False

90. Subsets II 【Medium】返回目录

题目：

解题思路：

类似于78 subset, 但是在找到一个答案要加入到最终结果list时，进行判断是否已经存在

因为使用了if tmp not in res: res+=[tmp] 但是在list中[1,4]和[4,1]不是相同的，所以要事先进行排序，nums.sort()

code:

 1 def subsetsWithDup(self, nums):
 2         """
 3         :type nums: List[int]
 4         :rtype: List[List[int]]
 5         """
 6         nums.sort()
 7         res = [[]]
 8         for num in nums:
 9             res += [n+[num] for n in res if n+[num] not in res]
10         return res

用位操作或者dfs也是相同地进行判断操作就行

105. Construct Binary Tree from Preorder and Inorder Traversal 【Medium】返回目录

题目:

给前向遍历和中序遍历的序列，要求构建唯一的二叉树

解题思路：

可以利用inorder找到对preorder的左右子树的划分

code: 参考答案的解法真是精妙绝伦

 1 # Definition for a binary tree node.
 2 # class TreeNode:
 3 #     def __init__(self, x):
 4 #         self.val = x
 5 #         self.left = None
 6 #         self.right = None
 7 
 8 class Solution:
 9     def buildTree(self, preorder, inorder):
10         """
11         :type preorder: List[int]
12         :type inorder: List[int]
13         :rtype: TreeNode
14         """
15         if inorder:
16             ind = inorder.index(preorder.pop(0))
17             root = TreeNode(inorder[ind])
18             root.left = self.buildTree(preorder,inorder[0:ind])
19             root.right = self.buildTree(preorder,inorder[ind+1:])
20             return root

106. Construct Binary Tree from Inorder and Postorder Traversal 【Medium】返回目录

题目：

解题思路：

同上面那题，只不过顺序是倒着的

code:

 1 # Definition for a binary tree node.
 2 # class TreeNode:
 3 #     def __init__(self, x):
 4 #         self.val = x
 5 #         self.left = None
 6 #         self.right = None
 7 
 8 class Solution:
 9     def buildTree(self, inorder, postorder):
10         """
11         :type inorder: List[int]
12         :type postorder: List[int]
13         :rtype: TreeNode
14         """
15         if inorder:
16             ind = inorder.index(postorder.pop())
17             root = TreeNode(inorder[ind])
18             root.right = self.buildTree(inorder[ind+1:],postorder)
19             root.left = self.buildTree(inorder[0:ind],postorder)
20             return root

120. Triangle 【Medium】返回目录

题目：

解题思路：

用了递归求解的方法，类似求二叉树的最大深度，进行左右子树的递归求解，但是在最后一个测试样例超时了，想了想发现很多路都是重复求解的，所以换成动态规划

code: 递归求解超时

 1 def minimumTotal(self, triangle):
 2         """
 3         :type triangle: List[List[int]]
 4         :rtype: int
 5         """
 6         return self.miniTree(triangle,0,0)
 7     def miniTree(self,triangle,i,j):
 8         if len(triangle)-1 == i:
 9             return triangle[i][j]
10         return triangle[i][j] + min(self.miniTree(triangle,i+1,j),self.miniTree(triangle,i+1,j+1))

code: 动态规划

1 def minimumTotal(self, triangle):
2         """
3         :type triangle: List[List[int]]
4         :rtype: int
5         """
6         for i in range(len(triangle)-2,-1,-1):
7             for j in range(len(triangle[i])):
8                 triangle[i][j] += min(triangle[i+1][j],triangle[i+1][j+1])
9         return triangle[0][0]

152. Maximum Product Subarray 【Medium】返回目录

题目：

解题思路：

用一个nxn数组存dp[i][j]的结果 O(n^2)超时

这个时候就要看题目的特点了，进行简化运算

用一个变量来记录当前最好的结果，并不断比较更新，连乘到当前值的结果与当前值比较，如果还更小，直接断了连乘从当前位置重新开始

Tips:如果在一个数组中要求连续相乘或者相加的最大或最小值，那么当连续的结果还不如当前单个元素时，就要断了重新开始，对于有正负数的乘法时，只需要swap(max，min)

code: 参考答案

 1 def maxProduct(self, nums):
 2         """
 3         :type nums: List[int]
 4         :rtype: int
 5         """
 6         if not len(nums):
 7             return 0
 8         res = nums[0]
 9         imax = imin = res
10         for i in range(1,len(nums)):
11             if nums[i] < 0:
12                 imax,imin = imin,imax
13             imax = max(nums[i],imax*nums[i])
14             imin = min(nums[i],imin*nums[i])
15             
16             res = max(res,imax)
17         return res
18

153. Find Minimum in Rotated Sorted Array【Medium】返回目录

题目：

解题思路：

类似于 81. Search in Rotated Sorted Array II 进行二分搜索, 最小值要么在第一个位置，要么在右边的第一个

code:

 1 def findMin(self, nums):
 2         """
 3         :type nums: List[int]
 4         :rtype: int
 5         """
 6         l,r = 0,len(nums)-1
 7         if r<0:
 8             return
 9         imin = nums[0]
10         while l<=r:
11             mid = (l+r)//2
12             if nums[mid]<nums[mid-1]:
13                 return min(imin,nums[mid])
14             if nums[0] == nums[mid]:
15                 l += 1
16             elif nums[0] < nums[mid]:  #left
17                 l = mid + 1
18             else:                      #right
19                 r = mid - 1
20         return imin

看了下别人的解法，发现大神们往往都更加注重数据的特点，不会盲目地求解，都是高效利用数据的特点

code: 别人解法

 1 def findMin(self, nums):
 2         """
 3         :type nums: List[int]
 4         :rtype: int
 5         """
 6         l,r = 0,len(nums)-1
 7         while l < r:
 8             if nums[l] < nums[r]:
 9                 return nums[l]
10             mid = (l+r)//2
11             if nums[mid] >= nums[l]:
12                 l = mid + 1
13             else:
14                 r = mid
15         return nums[l]

162. Find Peak Element【Medium】返回目录

题目：

解题思路：要求O(logn),那么就是二分法了，直接二分法进行查询即可

code:

 1 def findPeakElement(self, nums):
 2         """
 3         :type nums: List[int]
 4         :rtype: int
 5         """
 6         l,r = 0,len(nums)-1
 7         if not r:
 8             return 0
 9         while l <= r:
10             mid = (l+r)//2
11             if not mid and nums[mid]>nums[mid+1]:
12                 return mid
13             if mid==len(nums) and nums[mid]>nums[mid-1]:
14                 return mid
15             if 0<mid<len(nums)-1 and nums[mid-1]<nums[mid] and nums[mid]>nums[mid+1]:
16                 return mid
17             elif mid>0 and nums[mid]>nums[mid-1]:
18                 l = mid + 1
19             elif mid>0 and nums[mid]<nums[mid-1]:
20                 r = mid - 1
21             else:
22                 l = l + 1
23         return mid

一道这么简单的题都有好多种算法，算法真是美妙啊

参考别人的优美的解法

code: sequential search O(n)

1 def findPeakElement(self, nums):
2         """
3         :type nums: List[int]
4         :rtype: int
5         """
6         for i in range(1,len(nums)):
7             if nums[i]<nums[i-1]:
8                 return i-1
9         return len(nums)-1

code: binary search

 1 def findPeakElement(self, nums):
 2         """
 3         :type nums: List[int]
 4         :rtype: int
 5         """
 6         l,r = 0,len(nums)-1
 7         while l<r:
 8             mid = (l+r)//2
 9             if nums[mid]<nums[mid+1]:
10                 l = mid + 1
11             else:
12                 r = mid
13         return l

学到了，当l<r时，mid+1<=r的，所以一定取得到这个值，就不需要判断范围了，非常简约

209. Minimum Size Subarray Sum【Medium】返回目录

题目：

解题思路：我自己的想法之前就是数组所有元素加起来，然后不断减去两头比较小的数，但是有个问题就是当两头数字一样时就不确定要减去哪个，所以行不通

参考别人做法，O(n)算法就是使用两个指针，这样不断r++,l--就保持住了中间结果，只需要加减一个元素； O(nlogn)的做法就是先用O(n)算出个累加和的数组，然后又二分法进行查找

比如说：nums = [2, 3, 1, 2, 4, 3] sums = [0, 2, 5, 6, 8, 12, 15] 然后遍历数组作为i， r就在后面的数字中二分查找第一个>=sums[i]+s的数, 为什么要作累加和呢，因为这样就可以保证数组是升序的，可以很方便的利用二分法

code: O(N)

 1 def minSubArrayLen(self, s, nums):
 2         """
 3         :type s: int
 4         :type nums: List[int]
 5         :rtype: int
 6         """
 7         res = 0
 8         l,r = 0,-1
 9         min_len = len(nums)
10         flag = False
11         while r<len(nums)-1:
12             r += 1
13             res += nums[r]
14             while res >= s:
15                 flag = True
16                 min_len = min(min_len, r-l+1)
17                 res -= nums[l]
18                 l += 1
19         return min_len if flag else 0

code: O(NlogN)

 1 def minSubArrayLen(self, s, nums):
 2         """
 3         :type s: int
 4         :type nums: List[int]
 5         :rtype: int
 6         """
 7         sums = [0]
 8         nums_len = len(nums)
 9         for i in range(nums_len):
10             sums.append(nums[i]+sums[i])
11         min_len = float('inf')
12         for i in range(nums_len):
13             j = self.binary_search(sums,i,nums_len+1,sums[i]+s)
14             if j==-1:
15                 break
16             min_len = min(min_len,j-i)
17         return min_len if min_len!=float('inf') else 0
18     def binary_search(self,nums,i,nums_len,target):
19         l,r = i,nums_len-1
20         while l<r:
21             mid = (l+r)//2
22             if nums[mid]>=target:
23                 r = mid
24             else:
25                 l = mid + 1
26         return l if nums[l]>=target else -1

216. Combination Sum III【Medium】返回目录

题目：

解题思路：和之前的 39. Combination Sum 一个套路

code:

 1 def combinationSum3(self, k, n):
 2         """
 3         :type k: int
 4         :type n: int
 5         :rtype: List[List[int]]
 6         """
 7         nums = [1,2,3,4,5,6,7,8,9]
 8         res = []
 9         self.find(res,nums,0,k,[],n)
10         return res
11     def find(self,res,nums,index,k,path,remains):
12         if len(path)==k and not remains:
13             res.append(path)
14             return
15         if len(path)==k:
16             return
17         for i in range(index,len(nums)):
18             self.find(res,nums,i+1,k,path+[nums[i]],remains-nums[i])
19

228. Summary Ranges【Medium】返回目录

题目：

解题思路：直接从左到右遍历一遍 O(N)

code：

 1 def summaryRanges(self, nums):
 2         """
 3         :type nums: List[int]
 4         :rtype: List[str]
 5         """
 6         res = []
 7         i = 0
 8         while i<len(nums)-1:
 9             temp = str(nums[i])
10             while i<len(nums)-1 and nums[i+1] == nums[i]+1:
11                 i += 1
12             if i>0 and nums[i]==nums[i-1]+1:
13                 temp = temp + "->" + str(nums[i])
14             res.append(temp)
15             i += 1
16         if i==len(nums)-1:
17             res.append(str(nums[-1]))
18         return res

229. Majority Element II【Medium】返回目录

题目：

解题思路：

自己完全没想法，看了参考答案，发现了一个叫做 Boyer-Moore Majority Vote algorithm（摩尔投票算法），可以解决求无序数列中多于n/2, n/3....的元素。

对于大于一半的数很简单，就是用两个变量，一个candidate记录可能是结果的元素，一个count记录当前的个数，当count为0时，candidate就设置为当前数字，如果当前数字和candidate一样，count++, 如果不同，count--，就相当于一直在找不一样的一对数字，找到了就消去这两个数字（类似于连连看），那么最后剩下的数字就是最终结果了，对于大于n/3的元素，就需要设置两个candidate，算法同上，只不过最后判断是否是真的结果时，还需要遍历一遍进行确认。

code: 参考

 1 def majorityElement(self, nums):
 2         """
 3         :type nums: List[int]
 4         :rtype: List[int]
 5         """
 6         count1 = count2 = 0
 7         candidate1 = candidate2 = None
 8         for i in range(len(nums)):
 9             if nums[i] == candidate1:
10                 count1 += 1
11             elif nums[i] == candidate2:
12                 count2 += 1   
13             elif not count1:
14                 candidate1 = nums[i]
15                 count1 += 1
16             elif not count2:
17                 candidate2 = nums[i]
18                 count2 += 1
19             else:
20                 count1 -= 1
21                 count2 -= 1
22         res = []
23         if nums.count(candidate1) > len(nums)//3:
24             res.append(candidate1)
25         if nums.count(candidate2) > len(nums)//3:
26             res.append(candidate2)
27         return res

感觉自己写代码还是不够简洁，虽然思想一样，但是大神的代码看起来就是简洁有美感

 1 def majorityElement(self, nums):
 2     if not nums:
 3         return []
 4     count1, count2, candidate1, candidate2 = 0, 0, 0, 1
 5     for n in nums:
 6         if n == candidate1:
 7             count1 += 1
 8         elif n == candidate2:
 9             count2 += 1
10         elif count1 == 0:
11             candidate1, count1 = n, 1
12         elif count2 == 0:
13             candidate2, count2 = n, 1
14         else:
15             count1, count2 = count1 - 1, count2 - 1
16     return [n for n in (candidate1, candidate2)
17                     if nums.count(n) > len(nums) // 3]

238. Product of Array Except Self【Medium】返回目录

题目：

解题思路：

不让用除法,那么就用乘法，用两个数组left_mul和right_mul分别记录从左到右和从右到左累乘的结果，然后res[i]=left[i-1]*right[i+1]

这样的话花费时间 O(n) 花费空间也是O(n)

额外的奖励就是希望能用O(1)的空间解决

code: O(n) time O(n) space

 1 def productExceptSelf(self, nums):
 2         """
 3         :type nums: List[int]
 4         :rtype: List[int]
 5         """
 6         left_mul = [1]
 7         for num in nums:
 8             left_mul.append(num*left_mul[-1])
 9         right_mul = [ 1 for i in range(len(nums)+1)] 
10         for i in range(len(nums)-1,-1,-1):
11             right_mul[i] = nums[i]*right_mul[i+1]
12         res = []
13         for i in range(len(nums)):
14             res.append(left_mul[i]*right_mul[i+1])       
15         return res

我这个思路是正确的，怎么将上面的代码修改成O(1) space呢（不包括res占的空间），那么就只能用res数组表示left_mul,然后right数组用一个right变量表示就行

code: 参考别人的

 1 def productExceptSelf(self, nums):
 2         """
 3         :type nums: List[int]
 4         :rtype: List[int]
 5         """
 6         res = [1]
 7         for i in range(1,len(nums)):
 8             res.append(res[i-1]*nums[i-1])
 9         right = 1
10         for i in range(len(nums)-1,-1,-1):
11             res[i] *= right
12             right *= nums[i]
13         return res

287. Find the Duplicate Number 【Medium】返回目录

题目：

解题思路：

不能修改原数组且只能用O(1) space，也就是说不能对原数组进行排序，参考别人的解法，发现用链表进行判断环路的方法可以用O(n)的方法实现

有两个箭头指向1，说明有环路了，而重复的数字呢就是这个环路的入口元素，首先要找到这个环路，然后再找到入口元素。

找环路过程用两个指针，一个fast，一个slow,fast一次走两步，slow一次走一步，它们两个总是会在环路内部相遇的

设环路前面的一段路长k，当slow走到入口处时，fast已经走到环路上的k处，假设它们再走c次相遇，那么c = n-k,也就是说他们的相遇点在slow走上环路后的c位置

那么求入口位置就可以很好计算了，因为c = n-k, 那么用一个A指针从头开始走起，然后从相遇的地方B指针走起，两个指针都是一次走一步，那么相遇的地方就是入口处，因为两个指针都走k步就相同了

code: O(n) 判断链表中的环路

 1 def findDuplicate(self, nums):
 2         """
 3         :type nums: List[int]
 4         :rtype: int
 5         """
 6         if not len(nums):
 7             return
 8         slow,fast = nums[0],nums[nums[0]]
 9         while slow!= fast:
10             slow = nums[slow]
11             fast = nums[nums[fast]]
12         fast = 0
13         while fast!=slow:
14             fast = nums[fast]
15             slow = nums[slow]
16         return slow

还看到有一种二分的解法O(nlogn)就是对[1,n]二分查找,对mid,统计小于mid的个数O(n),如果count[mid]>mid,说明在[1,mid]部分有重复的元素，否则就在[mid:]里面

总的时间复杂度就是O(nlogn)

code: O(nlogn)

 1 def findDuplicate(self, nums):
 2         """
 3         :type nums: List[int]
 4         :rtype: int
 5         """
 6         if not len(nums):
 7             return
 8         l,r = 1,len(nums)-1
 9         while l<r:
10             mid = (l+r)//2
11             count = 0
12             for num in nums:
13                 if num<= mid:
14                     count += 1
15             if count>mid:
16                 r = mid
17             else:
18                 l = mid+1
19         return l

注意一个问题，我经常把r=mid 写成r=mid-1 当nums<=mid情况下左边是包含mid的，注意是否要考虑mid的情况

289. Game of Life 【Medium】返回目录

题目：

解题思路：

要求in-place所以不能有额外的空间，所有信息都必须存在当前board上，但是又不能冲刷掉前面的信息，想不到怎么弄，看参考答案

说是用2bit数[0-3]来代表第一个bit表示下个状态，第二个bit表示当前状态，这样既可以存当前信息也可以存历史信息，bravo!!!!!!

比如说 00 当前状态dead 下一个状态dead 01 当前状态live 下个状态dead

而且还有个好处就是这样设置就可以很方便地使用位操作取当前状态 board[i][j] & 1 取下一个状态 board[i][j] >> 1

code： O(mn) time O(1) space

 1 def gameOfLife(self, board):
 2         """
 3         :type board: List[List[int]]
 4         :rtype: void Do not return anything, modify board in-place instead.
 5         """
 6         m = len(board)
 7         if not m:
 8             return
 9         n = len(board[0])
10         for i in range(m):
11             for j in range(n):
12                 live = self.neibor(board,m,n,i,j)
13                 if board[i][j] == 1 and live>=2 and live<=3:  #current alive
14                     board[i][j] = 3
15                 elif not board[i][j] and live==3:    #current dead
16                     board[i][j] = 2
17         for i in range(m):
18             for j in range(n):
19                 board[i][j] >>= 1
20     def neibor(self,board,m,n,i,j):
21         live = 0 - (board[i][j] & 1)    
22         for p in range(max(i-1,0),min(i+2,m)):
23             for q in range(max(j-1,0),min(j+2,n)):
24                 live += board[p][q] & 1
25         return live

注意： 0 - 1 & 1结果是1 要加上括号才是正确结果-1 +/-的优先级比 &高比&&低

最后一段关于边界判断的看别人写法是在太妙，自己写都是额外的if判断

380. Insert Delete GetRandom O(1) 【Medium】返回目录

题目：

解题思路：

O(1)时间复杂度，不就是hash表吗，在python中体现为dict字典，可是对于字典它remove的时候不太好操作，因为要遍历index，所以这里就需要用列表存数据，用dict存index

 1 import random
 2 class RandomizedSet:
 3 
 4     def __init__(self):
 5         """
 6         Initialize your data structure here.
 7         """
 8         self.nums = []
 9         self.length = 0
10         self.index = {}
11         
12 
13     def insert(self, val):
14         """
15         Inserts a value to the set. Returns true if the set did not already contain the specified element.
16         :type val: int
17         :rtype: bool
18         """
19         if val not in self.index:
20             self.nums.append(val)
21             self.length += 1 
22             self.index[val] = self.length - 1
23             return True
24         return False
25         
26 
27     def remove(self, val):
28         """
29         Removes a value from the set. Returns true if the set contained the specified element.
30         :type val: int
31         :rtype: bool
32         """
33         if val in self.index:
34             ind,last = self.index[val],self.nums[-1]
35             self.nums[ind],self.index[last] = last,ind
36             self.nums.pop()
37             self.index.pop(val)
38             self.length -= 1
39             return True
40         return False
41         
42 
43     def getRandom(self):
44         """
45         Get a random element from the set.
46         :rtype: int
47         """
48         return self.nums[random.randint(0, self.length-1)]
49 
50 
51 # Your RandomizedSet object will be instantiated and called as such:
52 # obj = RandomizedSet()
53 # param_1 = obj.insert(val)
54 # param_2 = obj.remove(val)
55 # param_3 = obj.getRandom()

442. Find All Duplicates in an Array【Medium】返回目录

题目：

解题思路：

O(n)时间不许有额外空间好难啊，想不出，看参考答案，真是精妙啊，感觉每天都要被各种设计巧妙的算法惊艳

如果不能使用额外的空间，那么就需要在当前已有的数组上看能否存上额外的信息，比如289. Game of Life 本身是0/1扩展成多位数据，用多出来的位数存储额外信息

这里使用当前元素的正负号作为额外的信息保存到当前数组，对数字i 用i-1（减一是因为1~n换成index从0开始）位置上元素负号表示已经出现过一次了，这样遍历完成后，所有负数对应index+1就是duplicates

code: O(n) beat 100% 第一次100% 虽然是参考的答案，但是还是很感动啊，算法真的是很美妙，我爱算法！！

 1 def findDuplicates(self, nums):
 2         """
 3         :type nums: List[int]
 4         :rtype: List[int]
 5         """
 6         res = []
 7         for num in nums:
 8             num = abs(num)
 9             if nums[num-1]<0:
10                 res.append(num)
11             else:
12                 nums[num-1] = -nums[num-1]
13         return res

还看到了另外一种算法也是beat100% 666~

将数组中的值与index对应，对应不上的多余值 [2,3]就是duplicates

code:

 1 def findDuplicates(self, nums):
 2         """
 3         :type nums: List[int]
 4         :rtype: List[int]
 5         """
 6         i = 0
 7         res = []
 8         while i < len(nums):
 9             if nums[i]!=nums[nums[i]-1]:
10                 temp = nums[nums[i]-1]
11                 nums[nums[i]-1] = nums[i]
12                 nums[i] = temp
13                 #nums[i],nums[nums[i]-1] = nums[nums[i]-1],nums[i]   wrong because nums[nums[i]-1]中也用到了nums[i]
14             else:
15                 i += 1
16         for i in range(len(nums)):
17             if nums[i]!=i+1:
18                 res.append(nums[i])
19         return res

从头遍历循环，对于i直到找到与它相同的元素否则不断交换，每一次交换都一定确定了一个位置的正确对应，然后再移到下一个位置

495. Teemo Attacking【Medium】返回目录

题目：

解题思路：

这道题很简单，就是一个数轴覆盖长度问题，用一个end变量记录下当前覆盖到的最大长度，然后再进行覆盖的时候和它比较一下

code: beat 2.5%

 1 def findPoisonedDuration(self, timeSeries, duration):
 2         """
 3         :type timeSeries: List[int]
 4         :type duration: int
 5         :rtype: int
 6         """
 7         res = 0
 8         end = 0
 9         for i in range(len(timeSeries)):
10             if timeSeries[i]+duration > end:
11                 res += min(timeSeries[i]+duration-end,duration)
12             end = max(end,timeSeries[i]+duration)
13         return res

别人的解法： beat 25%

1 def findPoisonedDuration(self, timeSeries, duration):
2         ans = duration * len(timeSeries)
3         for i in range(1,len(timeSeries)):
4             ans -= max(0, duration - (timeSeries[i] - timeSeries[i-1]))
5         return ans

560. Subarray Sum Equals K【Medium】返回目录

题目：

解题思路：

这道题指明是整数，没有说是正整数，所以用变量保存当前和，然后减去头加上尾的方式不可行，那么首先先想暴力方法O(n) sum(i,j)

想要进行优化，那么就事先求出presum sum(i,j)=sum(j)-sum(i)

在遍历过程中同时寻找满足sum(j)-sum(i)==k 的i

code: O(n) time O(n) space

 1 def subarraySum(self, nums, k):
 2         """
 3         :type nums: List[int]
 4         :type k: int
 5         :rtype: int
 6         """
 7         accu_sum = {0:1}
 8         res = s = 0
 9         for num in nums:
10             s += num
11             res += accu_sum.get(s-k,0)
12             accu_sum[s] = accu_sum.get(s,0)+1
13         return res

565. Array Nesting【Medium】返回目录

题目：

解题思路：

暴力搜索呗，$O(n^2)$ 超时了

 1 def arrayNesting(self, nums):
 2         """
 3         :type nums: List[int]
 4         :rtype: int
 5         """
 6         res = 0
 7         for i in range(len(nums)):
 8             count = 0
 9             k = i
10             while(nums[k]>0 and nums[k]!=i):
11                 k = nums[k]
12                 count += 1
13             res = max(res,count+1)
14         return res

想想改进的方法：想不出，参考别人答案 O(n)

 1 def arrayNesting(self, nums):
 2         """
 3         :type nums: List[int]
 4         :rtype: int
 5         """
 6         res = 0
 7         for i in range(len(nums)):
 8             count = 0
 9             k = i
10             while(nums[k]>0 and nums[k]!=i):
11                 temp = k
12                 k = nums[k]
13                 nums[temp] = -1
14                 count += 1
15             res = max(res,count+1)
16         return res

其实不同之处就是多加了两句话，当遍历过一遍后就标记之后不再遍历，原因是如下，其实这是形成了多个环，当你第一步踏进一个环时，长度就是该环的长度，所以说看第一步踏进了与之前不同的环，得出的结果才可能不同

611. Valid Triangle Number【Medium】返回目录

题目：

解题思路：

先确定两条边，然后确定另外一条边，确定两条边的时候$O(n^2)$,所以先排序确定第三条边的时候用遍历超时了

code: O(TLE) $O(n^3)$

 1 def triangleNumber(self, nums):
 2         """
 3         :type nums: List[int]
 4         :rtype: int
 5         """
 6         nums.sort()
 7         res = 0
 8         for i in range(len(nums)):
 9             for j in range(i+1,len(nums)):
10                 l = abs(nums[i]-nums[j])
11                 r = nums[i]+nums[j]
12                 for k in range(j+1,len(nums)):
13                     if nums[k]>=r:
14                         break
15                     elif nums[k]<=l:
16                         continue
17                     else:
18                         res += 1
19         return res

参考别人答案，发现，审题很重要，发现题目的一些特殊性质很重要，比如说能构成三角形的条件，我之前设置的条件就太复杂了，其实只要满足两小边之和大于最大边就行了

因为，已知 a,b < c 如果a+b>c => a>c-b && b>c-a

而且如果按升序排好，倒着来取最大边c，那么只需要对当前index前面取两个数满足 a+b>c即可,同时a,b的取法也是由[0,index-1]两端取法，这样的话当0，index-1满足条件，那么0~index-1中间的数都可作为a满足，因为是逐渐变大的，所以这时的取值可能情况是index-1-0+1，同时b的下标减一，求另外的解法；若这时取值a+b<=c，只需要移动a的下标加一让数字变大即可

 1 def triangleNumber(self, nums):
 2         """
 3         :type nums: List[int]
 4         :rtype: int
 5         """
 6         nums.sort()
 7         res = 0
 8         for i in range(len(nums)-1,1,-1):
 9             l,r = 0,i-1
10             while l<r:
11                 if nums[l]+nums[r]>nums[i]:
12                     res += r-l
13                     r -= 1
14                 else:
15                     l += 1
16         return res

621. Task Scheduler【Medium】返回目录

题目：

解题思路：

这题因为所有任务都是等间距的，所以想用贪心法做，先对所有任务的耗时进行反向排序，用一个长度为n的数组记录下可填充的每列的end位置，当要填充一个任务时，就看min(end)进行填充就好了

代码如下，错了，可以通过58个测试，剩下的测试过不了

 1 def leastInterval(self, tasks, n):
 2         """
 3         :type tasks: List[str]
 4         :type n: int
 5         :rtype: int
 6         """
 7         if not n:
 8             return len(tasks)
 9         count = {}
10         for t in tasks:
11             count[t] = count.get(t,0)+1
12         nums = sorted(count.values(),reverse=True)
13         end = [-i for i in range(n+1,0,-1)]
14         for i in nums:
15             ind = end.index(min(end))
16             end[ind] += i*(n+1)
17         return max(end)+1

参考别人的解法，发现这种贪心算法是有问题的，可以不连续，反而是间隔着插入

主要是找到这个排列的规律

正确的code如下：

 1 def leastInterval(self, tasks, n):
 2         """
 3         :type tasks: List[str]
 4         :type n: int
 5         :rtype: int
 6         """
 7         task_counts = list(collections.Counter(tasks).values())
 8         M = max(task_counts)
 9         Mct = task_counts.count(M)
10         return max(len(tasks), (M - 1) * (n + 1) + Mct)

667. Beautiful Arrangement II【Medium】返回目录

题目：

Example1:

Input: n = 3, k = 1
Output: [1, 2, 3]
Explanation: The [1, 2, 3] has three different positive integers ranging from 1 to 3, and the [1, 1] has exactly 1 distinct integer: 1.

Example2:

Input: n = 3, k = 2
Output: [1, 3, 2]
Explanation: The [1, 3, 2] has three different positive integers ranging from 1 to 3, and the [2, 1] has exactly 2 distinct integers: 1 and 2.

解题思路：

如果有k种间距的话，那么就是k,k-1,k-2,....1 所以将 1，k+1, 2, k, 3, k-1,....... 就有间距 k,k-1,k-2,k-3,k-4,以此类推

code: 完全自己想的，一遍过，好开心

 1 def constructArray(self, n, k):
 2         """
 3         :type n: int
 4         :type k: int
 5         :rtype: List[int]
 6         """
 7         res = [i+1 for i in range(n)]
 8         j = 1
 9         for i in range(0,k+1,2):
10             res[i] = j
11             j += 1
12         j = k+1
13         for i in range(1,k+1,2):
14             res[i] = j
15             j -= 1
16         return res

670. Maximum Swap【Medium】返回目录

题目：

给一个非负整数，只能交换两个数位上的数组，给出交换后可能的结果中的最大值

解题思路：

想着说先倒序排序，然后对比原数和倒序排序后数，第一个遇到的不一样的数字进行交换，结果发现当有相同数字时，不知道该交换哪个，还是思考得不够周全

code: wrong

 1 def maximumSwap(self, num):
 2         """
 3         :type num: int
 4         :rtype: int
 5         """
 6         num_str = list(str(num))
 7         num_max = sorted(num_str,reverse=True)
 8         i = 0
 9         while(i<len(num_str) and num_str[i]==num_max[i]):
10             i += 1
11         if i != len(num_str):
12             ind = i+num_str[i:].index(num_max[i])
13             num_str[i],num_str[ind] = num_str[ind],num_str[i]
14         return int("".join(num_str))

code：考虑上述情况的修改后AC代码 O(NlogN)

 1 def maximumSwap(self, num):
 2         """
 3         :type num: int
 4         :rtype: int
 5         """
 6         num_str = list(str(num))
 7         num_max = sorted(num_str,reverse=True)
 8         i = 0
 9         while(i<len(num_str) and num_str[i]==num_max[i]):
10             i += 1
11         res = num
12         if i != len(num_str):
13             candidates = [k for (k,v) in enumerate(num_str[i:]) if v==num_max[i]]
14             for j in candidates:
15                 num_str[i],num_str[i+j] = num_str[i+j],num_str[i]
16                 res = max(res,int("".join(num_str)))
17                 num_str[i],num_str[i+j] = num_str[i+j],num_str[i]
18         return res

上述算法因为要排序，所以是O(nlogn)算法

在本题中数据长度最多为8,所以无所谓，若是没有这个限制呢，所以还是需要更优的解法

看了下别人的解法，和我真的是相同的想法，但是实现得很精妙，而且比我想得更加透彻，首先因为n比较小所以不要用O(nlogn)进行排序，反而是用O(n)记录下每个数字出现的最后一次的index,交换从大到小的数字，只要遇到不相等的，就用最后的那个数交换，这里就是比我精妙的地方，我是顺序遍历，人家倒序遍历找交换的位置，机智，这样就不用再比较结果了

 1 def maximumSwap(self, num):
 2         """
 3         :type num: int
 4         :rtype: int
 5         """
 6         num_str = list(str(num))
 7         last_index = {}
 8         for i in range(len(num_str)):
 9             last_index[num_str[i]] = i
10         for i in range(len(num_str)):
11             for k in range(9,0,-1):
12                 ind = last_index.get(str(k),None)
13                 if ind and ind>i and num_str[ind]>num_str[i]:
14                     num_str[ind],num_str[i] = num_str[i],num_str[ind]
15                     return int("".join(num_str))
16         return num

713. Subarray Product Less Than K【Medium】返回目录

题目：

Example1:

Input: nums = [10, 5, 2, 6], k = 100
Output: 8
Explanation: The 8 subarrays that have product less than 100 are: [10], [5], [2], [6], [10, 5], [5, 2], [2, 6], [5, 2, 6].
Note that [10, 5, 2] is not included as the product of 100 is not strictly less than k.

解题思路：

因为全部都是正整数，所以可以用temp记录下当前index连乘后的结果，然后除去nums[index]作为index+1的起始结果，这样的话可以简化很多计算，注意想问题时，一定要想清楚变量具体代表的什么含义，才能对初始值或者计算式进行良好地定义。

code:错了，只通过了78/84个测试样例，说明考虑得还不够全面，漏掉了一些特殊情况

 1 def numSubarrayProductLessThanK(self, nums, k):
 2         """
 3         :type nums: List[int]
 4         :type k: int
 5         :rtype: int
 6         """
 7         if not k:
 8             return 0
 9         nums.append(1)
10         res = 0
11         temp = 1
12         j = 0
13         for i in range(len(nums)-1):
14             temp = temp//nums[i-1]
15             res += max(j-i,0)
16             temp = temp * nums[j]
17             while temp<k:
18                 res += 1
19                 j = j+1
20                 if j<len(nums)-1:
21                     temp = temp*nums[j]
22                 else:
23                     return res+(j-1-i)*(j-i)//2
24             temp = temp // nums[j]
25         return res

看了下参考答案，思路都是差不多，就是实现方法更全面，而且考虑的情况更加全面，我真的应该学习下写代码的自我修养

code: 参考别人

 1 def numSubarrayProductLessThanK(self, nums, k):
 2         """
 3         :type nums: List[int]
 4         :type k: int
 5         :rtype: int
 6         """
 7         if k<= 1:
 8             return 0
 9         res = 0
10         temp = 1
11         j = 0
12         for i in range(len(nums)):
13             if i>0 and i<=j:
14                 temp = temp//nums[i-1]
15             else:
16                 j = i
17             while j<len(nums) and temp*nums[j]<k:
18                 temp = temp*nums[j]
19                 j += 1
20             res += j-i
21         return res

对比这两份代码

主要是没有开头的if-else的判断j代表的是正好<k的下标加一；temp是正好<k的连乘

714. Best Time to Buy and Sell Stock with Transaction Fee【Medium】返回目录

题目：

解题思路：

从开头开始找上坡，如果上坡减去fee>0(第一个坡) 如果可连续，对于续上的坡，只需要坡>之前下降的部分就可以直接续上，而且不用再交费用了,如果续不上直接断掉

提交了一个版本的代码发现只能通过26/44个测试样例

code: wrong 26/44

 1 def maxProfit(self, prices, fee):
 2         """
 3         :type prices: List[int]
 4         :type fee: int
 5         :rtype: int
 6         """
 7         i = 1
 8         res = 0
 9         concat = False
10         remain = 0
11         while i<len(prices):
12             start = prices[i-1]
13             while(i<len(prices) and prices[i]>=prices[i-1]):
14                 i += 1
15             if concat:
16                 if prices[i-1]-start>=remain:
17                     res += prices[i-1]-start-remain
18                 else:
19                     concat = False
20                     remain = 0
21             else:
22                 if prices[i-1]-start>=fee:
23                     res += prices[i-1]-start-fee
24                     concat = True
25             start = prices[i-1]
26             while(i<len(prices) and prices[i]<=prices[i-1]):
27                 i += 1
28             if start-prices[i-1]>fee:
29                 concat = False
30             else:
31                 concat = concat and True
32                 if concat:
33                     remain = start-prices[i-1]
34         return res

但是发现这个代码有种情况没考虑到，就是前面短后面长的情况考虑不到，所以还是应该把它转换成连续子数组和的方式

修改了一个版本，还是有问题，想不明白自己家还少考虑了哪一部分

code: 22/44 pass

 1 def maxProfit(self, prices, fee):
 2         """
 3         :type prices: List[int]
 4         :type fee: int
 5         :rtype: int
 6         """
 7         if len(prices)<= 1:
 8             return 0
 9         earn = []
10         res = 0
11         i = 0
12         flag = False    
13         while i < len(prices)-1:
14             start = prices[i]
15             while i<len(prices)-1 and prices[i+1]>=prices[i]:
16                 i += 1
17                 flag = True
18             if flag:
19                 earn.append(prices[i]-start)
20             if i <len(prices)-1:
21                 start = prices[i]
22                 while i<len(prices)-1 and prices[i+1]<=prices[i]:
23                     i += 1
24                 earn.append(prices[i]-start)
25         
26         concat = False
27 
28         print(earn,len(earn))
29 
30         i = 0
31         remain = 0
32         while i < len(earn)-2:
33             # import pdb
34             # pdb.set_trace()
35             if not concat:
36                 while i < len(earn)-2 and earn[i]<=0:
37                     i += 1
38                 if earn[i]>=fee:
39                     res += earn[i]-fee
40                     concat = True
41                 elif earn[i]+earn[i+1]>0:
42                     remain = earn[i]+earn[i+1]
43                     concat = True
44                     i += 2 
45                 else:
46                     i += 2
47             else:
48                 if remain>0:
49                     if remain + earn[i] > fee:
50                         res += remain + earn[i] - fee
51                         remain = 0
52                     elif earn[i]+earn[i+1]>0:
53                         remain += earn[i]+earn[i+1]
54                         i += 2
55                     else:
56                         concat = False
57                         i += 2
58                         remain = 0
59                 else:
60                     if abs(earn[i+1])<=min(earn[i+2],fee):
61                         res += earn[i+1]+earn[i+2]
62                         i += 2
63                     else:
64                         concat = False
65                         i = i+2   
66         if not concat and earn[i]>fee:
67             res += earn[i]-fee
68         return res

开始做题前没完全考虑清楚所有的可能性，经常就是写完code后只能通过部分测试样例，下笔前请好好思考清楚

参考答案，真的太厉害了

用s0表示当前手上没有股票利润

用s1表示当前手上有一只股票时的利润

code:

 1 def maxProfit(self, prices, fee):
 2         """
 3         :type prices: List[int]
 4         :type fee: int
 5         :rtype: int
 6         """
 7         s0 = 0
 8         s1 = -float('inf')
 9         for p in prices:
10             tmp = s0
11             s0 = max(s0,s1+p)
12             s1 = max(s1,tmp-p-fee)
13         return s0

代码中先是-p1, 然后是+p2 其实就是求一个p2-p1过一天赚的利润，只是通过这种方式的话就只需要O(1) space 不需要额外的空间保存每天的利润，真是太巧妙了

太精妙了，我要给这道题打三颗星

718. Maximum Length of Repeated Subarray【Medium】返回目录

题目：

解题思路：

固定A,每次将B往后滑动一个index与A对齐，计算最大res,然后交换A,B的位置再求一次，取最大的结果，居然一遍AC了，感动，但是耗时有点多$O(n^2)$

code:

 1 def findLength(self, A, B):
 2         """
 3         :type A: List[int]
 4         :type B: List[int]
 5         :rtype: int
 6         """
 7         res = 0
 8         for i in range(len(A)):
 9             res = max(res,self.compare(A,i,B))
10         for i in range(len(B)):
11             res = max(res,self.compare(B,i,A))
12         return res
13     def compare(self,A,k,B):
14         i,j = k,0
15         res = 0
16         while i<len(A):
17             while i<len(A) and A[i]!=B[j]:
18                 i += 1
19                 j += 1
20             temp = i
21             while i<len(A) and A[i]==B[j]:
22                 i += 1
23                 j += 1
24             res = max(res,i-temp)
25         return res

729. My Calendar I【Medium】返回目录

题目：

解题思路：

设置interval数组，然后每book一次就对interval数组进行遍历比较，如果没有重合就插入返回True，否则返回False

code: TLE 73 / 108 test cases passed.

 1 class MyCalendar:
 2 
 3     def __init__(self):
 4         self.interval = []
 5 
 6     def book(self, start, end):
 7         """
 8         :type start: int
 9         :type end: int
10         :rtype: bool
11         """
12         for i in range(len(self.interval)):
13             if self.interval[i][0]<=start<self.interval[i][1] or self.interval[i][0]<end<=self.interval[i][1] or (self.interval[i][0]>start and self.interval[i][1]<end):
14                 return False
15         self.interval.append([start,end])
16         return True
17         
18 
19 
20 # Your MyCalendar object will be instantiated and called as such:
21 # obj = MyCalendar()
22 # param_1 = obj.book(start,end)

看了下答案，同样是暴力搜索，人家技巧就是更高，只改动一句

TLE 108/108 passed

 1 class MyCalendar:
 2 
 3     def __init__(self):
 4         self.interval = []
 5 
 6     def book(self, start, end):
 7         """
 8         :type start: int
 9         :type end: int
10         :rtype: bool
11         """
12         for i in range(len(self.interval)):
13             if not (self.interval[i][0]>=end or self.interval[i][1]<=start):
14                 return False
15         self.interval.append([start,end])
16         return True
17         
18 
19 
20 # Your MyCalendar object will be instantiated and called as such:
21 # obj = MyCalendar()
22 # param_1 = obj.book(start,end)

再换成tuple 真是有毒，这样就能直接pass 732ms

 1 class MyCalendar:
 2 
 3     def __init__(self):
 4         self.intervals = []
 5 
 6     def book(self, start, end):
 7         """
 8         :type start: int
 9         :type end: int
10         :rtype: bool
11         """
12         for s,e in self.intervals:
13             if not (start>=e or end<=s):
14                 return False
15         self.intervals.append((start,end))
16         return True
17 
18 
19 # Your MyCalendar object will be instantiated and called as such:
20 # obj = MyCalendar()
21 # param_1 = obj.book(start,end)

tuple创建速度明显快于list, 遍历速度差不多，唯一缺点就是不可更改

还有，做比较时，能简洁点儿就简洁一点，这样速度会更快一点

还有些别的解法，使用二叉树和红黑树，红黑树在python中需要手动实现，这里就不放了，下面是二叉树的实现，参考的答案

code: 二叉树 378ms 果然快很多

 1 class Node:
 2     def __init__(self,s,e):
 3         self.e = e
 4         self.s = s
 5         self.left = None
 6         self.right = None
 7         
 8 class MyCalendar:
 9     
10     def __init__(self):
11         self.root = None
12     
13     def book_helper(self,s,e,node):
14         if s >= node.e:
15             if node.right:
16                 return self.book_helper(s,e,node.right)
17             else:
18                 node.right = Node(s,e)
19                 return True
20         elif e <= node.s:
21             if node.left:
22                 return self.book_helper(s,e,node.left)
23             else:
24                 node.left = Node(s,e)
25                 return True
26         else:
27             return False
28 
29     def book(self, start, end):
30         """
31         :type start: int
32         :type end: int
33         :rtype: bool
34         """
35         if not self.root:
36             self.root = Node(start,end)
37             return True
38         return self.book_helper(start,end,self.root)
39 
40 # Your MyCalendar object will be instantiated and called as such:
41 # obj = MyCalendar()
42 # param_1 = obj.book(start,end)

731. My Calendar II【Medium】返回目录

题目：

解题思路：

一直想着说用二叉树做，但是对于重合的部分不知道怎么处理，就用三叉树做，用mid节点表示第一次的冲突部分；然后看了下参考答案，直接暴力搜索, 人家写的很简洁巧妙

 1 class MyCalendarTwo:
 2 
 3     def __init__(self):
 4         self.overlaps = []
 5         self.calendar = []
 6     
 7     def book(self,start,end):
 8         for i,j in self.overlaps:
 9             if not (start>=j or end<=i):
10                 return False
11         for i,j in self.calendar:
12             if not (start>=j or end<=i):
13                 self.overlaps.append((max(start,i),min(end,j)))
14         self.calendar.append((start,end))
15         return True

相关阅读:
适配器模式
 快排变种
 美团面试问题
 gulp前端自动化构建工具新手入门篇
 javascript继承
 .call()和.apply()相同点与不同点
 JavaScript原型，原型链！
锚点链接和hash属性
 构造函数与普通函数的比较
 JS的作用域和作用域链
原文地址：https://www.cnblogs.com/lainey/p/7741583.html