<LeetCode天梯>Day022 外观数列(递归+双指针) | 初级算法 | Python

简介: <LeetCode天梯>Day022 外观数列(递归+双指针) | 初级算法 | Python

以下为我的天梯积分规则:


每日至少一题:一题积分+10分

若多做了一题(或多一种方法解答),则当日积分+20分(+10+10)

若做了三道以上,则从第三题开始算+20分(如:做了三道题则积分-10+10+20=40;做了四道题则积分–10+10+20+20=60)


初始分为100分

若差一天没做题,则扣积分-10分(周六、周日除外注:休息)

坚持!!!


初级算法

刷题目录

字符串


image.png

image.png

题干

给定一个正整数 n ,输出外观数列的第 n 项。


「外观数列」是一个整数序列,从数字 1 开始,序列中的每一项都是对前一项的描述。


你可以将其视作是由递归公式定义的数字字符串序列:


countAndSay(1) = “1”

countAndSay(n) 是对 countAndSay(n-1) 的描述,然后转换成另一个数字字符串。

前五项如下:

image.png

要 描述 一个数字字符串,首先要将字符串分割为 最小 数量的组,每个组都由连续的最多 相同字符 组成。然后对于每个组,先描述字符的数量,然后描述字符,形成一个描述组。要将描述转换为数字字符串,先将每组中的字符数量用数字替换,再将所有描述组连接起来。


例如,数字字符串 “3322251” 的描述如下图:

image.png

示例1:


输入:n = 1

输出:“1”

解释:这是一个基本样例。


示例2:


输入:n = 4

输出:“1211”

解释:

countAndSay(1) = “1”

countAndSay(2) = 读 “1” = 一 个 1 = “11”

countAndSay(3) = 读 “11” = 二 个 1 = “21”

countAndSay(4) = 读 “21” = 一 个 2 + 一 个 1 = “12” + “11” = “1211”


提示:


1 <= n <= 30

递归法+双指针

分析:


根据上面的规则,输入的是n,输出第n次描述,也就是描述上一层的数字。

这里得用上递归的思想,每一次都进行迭代,然后根据输入的n,作为停止的判断,然后直接输出当前层的描述。

依次读取上一层,先对每一个字符进行索引,判断是否相同,直到不同,记下相同的个数用于描述,再继续读取,读到不同,则停止,每次不同都停止,切片,然后做计算,最后再描述。递归此过程。

需要先定义好出口,当n=1时,输出为1.

class Solution:
    def countAndSay(self, n: int) -> str:
    if n == 1:
        return "1"    # 设置递归出口
    # 假设我们上一层的结果为“112213”
    s1 = countAndSay(n-1)  # 递归
    res = ''    # 设置新串
    slow = 0       # 慢指针
    fast = 1     # 快指针
    s1 += '0'      # 末尾标志,因为不会出现0
    while fast < len(s1):
        if s1[slow] != s1[fast]:                    # 判断是否数字相同
            res += str(fast-slow) + str(s1[slow])   # 前半部分表示后半部分的个数
            slow = fast               # 遇到不同,将快指针位置赋值给慢指针
        fast += 1                 
    return res

image.png


相关文章
|
7天前
|
机器学习/深度学习 人工智能 算法
猫狗宠物识别系统Python+TensorFlow+人工智能+深度学习+卷积网络算法
宠物识别系统使用Python和TensorFlow搭建卷积神经网络,基于37种常见猫狗数据集训练高精度模型,并保存为h5格式。通过Django框架搭建Web平台,用户上传宠物图片即可识别其名称,提供便捷的宠物识别服务。
118 55
|
23天前
|
搜索推荐 Python
利用Python内置函数实现的冒泡排序算法
在上述代码中,`bubble_sort` 函数接受一个列表 `arr` 作为输入。通过两层循环,外层循环控制排序的轮数,内层循环用于比较相邻的元素并进行交换。如果前一个元素大于后一个元素,就将它们交换位置。
125 67
|
23天前
|
存储 搜索推荐 Python
用 Python 实现快速排序算法。
快速排序的平均时间复杂度为$O(nlogn)$,空间复杂度为$O(logn)$。它在大多数情况下表现良好,但在某些特殊情况下可能会退化为最坏情况,时间复杂度为$O(n^2)$。你可以根据实际需求对代码进行调整和修改,或者尝试使用其他优化策略来提高快速排序的性能
115 61
|
24天前
|
算法 数据安全/隐私保护 开发者
马特赛特旋转算法:Python的随机模块背后的力量
马特赛特旋转算法是Python `random`模块的核心,由松本真和西村拓士于1997年提出。它基于线性反馈移位寄存器,具有超长周期和高维均匀性,适用于模拟、密码学等领域。Python中通过设置种子值初始化状态数组,经状态更新和输出提取生成随机数,代码简单高效。
104 63
|
17天前
|
机器学习/深度学习 人工智能 算法
【宠物识别系统】Python+卷积神经网络算法+深度学习+人工智能+TensorFlow+图像识别
宠物识别系统,本系统使用Python作为主要开发语言,基于TensorFlow搭建卷积神经网络算法,并收集了37种常见的猫狗宠物种类数据集【'阿比西尼亚猫(Abyssinian)', '孟加拉猫(Bengal)', '暹罗猫(Birman)', '孟买猫(Bombay)', '英国短毛猫(British Shorthair)', '埃及猫(Egyptian Mau)', '缅因猫(Maine Coon)', '波斯猫(Persian)', '布偶猫(Ragdoll)', '俄罗斯蓝猫(Russian Blue)', '暹罗猫(Siamese)', '斯芬克斯猫(Sphynx)', '美国斗牛犬
99 29
【宠物识别系统】Python+卷积神经网络算法+深度学习+人工智能+TensorFlow+图像识别
|
1月前
|
机器学习/深度学习 算法 大数据
蓄水池抽样算法详解及Python实现
蓄水池抽样是一种适用于从未知大小或大数据集中高效随机抽样的算法,确保每个元素被选中的概率相同。本文介绍其基本概念、工作原理,并提供Python代码示例,演示如何实现该算法。
31 1
|
1月前
|
机器学习/深度学习 人工智能 算法
基于Python深度学习的【垃圾识别系统】实现~TensorFlow+人工智能+算法网络
垃圾识别分类系统。本系统采用Python作为主要编程语言,通过收集了5种常见的垃圾数据集('塑料', '玻璃', '纸张', '纸板', '金属'),然后基于TensorFlow搭建卷积神经网络算法模型,通过对图像数据集进行多轮迭代训练,最后得到一个识别精度较高的模型文件。然后使用Django搭建Web网页端可视化操作界面,实现用户在网页端上传一张垃圾图片识别其名称。
79 0
基于Python深度学习的【垃圾识别系统】实现~TensorFlow+人工智能+算法网络
|
Python
ZZULIOJ-1052,数列求和4(Python)
ZZULIOJ-1052,数列求和4(Python)
|
Python
ZZULIOJ-1042,数列求和3(Python)
ZZULIOJ-1042,数列求和3(Python)
|
Python
ZZULIOJ-1041,数列求和2(Python)
ZZULIOJ-1041,数列求和2(Python)
下一篇
DataWorks