【力扣算法16】之 18. 四数之和 python

简介: 【力扣算法16】之 18. 四数之和 python

问题描述

给你一个由 n 个整数组成的数组 nums ,和一个目标值 target 。请你找出并返回满足下述全部条件且不重复的四元组 [nums[a], nums[b], nums[c], nums[d]] (若两个四元组元素一一对应,则认为两个四元组重复):

0 <= a, b, c, d < n

a、b、c 和 d 互不相同

nums[a] + nums[b] + nums[c] + nums[d] == target

你可以按 任意顺序 返回答案 。

示例1

输入:nums = [1,0,-1,0,-2,2], target = 0

输出:[[-2,-1,1,2],[-2,0,0,2],[-1,0,0,1]]

示例2

输入:nums = [2,2,2,2,2], target = 8

输出:[[2,2,2,2]]

提示

  • 1 <= nums.length <= 200
  • -109 <= nums[i] <= 109
  • -109 <= target <= 109

思路分析

对于这个问题,我们可以使用双指针的方法来解决

  1. 首先对数组进行排序,这样可以方便后续的去重和判断。
  2. 然后使用两层循环来确定第一和第二个数的位置,遍历数组中的每一对数(nums[a]和nums[b])。
  3. 对于每一对数,使用双指针的方法在剩下的子数组中搜索剩下的两个数(nums[c]和nums[d])。
  4. 使用一个左指针和一个右指针,分别指向剩下的子数组的起始位置和末尾位置。
  5. 在左指针小于右指针的条件下,计算当前四个数的和 sum = nums[a] + nums[b] + nums[c] + nums[d]。
  6. 如果 sum 等于 target,则将这四个数加入结果集。
  7. 如果 sum 小于 target,则说明当前和太小,需要增大和,因此将左指针向右移动一位。
  8. 如果 sum 大于 target,则说明当前和太大,需要减小和,因此将右指针向左移动一位。
  9. 在移动指针的过程中,需要注意忽略重复的解,即去掉相邻重复的元素。
  10. 继续移动指针直到左指针大于等于右指针时结束,表示已经搜索完所有可能的四元组。
  11. 继续遍历剩下的两个数,即固定下一对数,重复上述步骤。
  12. 最终返回所有满足条件的四元组。
    这样就可以找到满足条件且不重复的四元组了。

代码分析

  • 第1行,我们定义了一个Solution类来解决问题。
  • 第2行,fourSum方法接收两个参数:nums表示输入的数组,target表示目标和。
  • 第3行,获取数组nums的长度,并进行判断。如果数组长度小于4,直接返回空列表[],因为至少需要四个元素才能形成一个四元组。
  • 第4行,对数组进行排序,这是为了方便后续的去重和判断。
  • 第5行,初始化结果列表res为空。
  • 第6行,外层循环遍历数组中所有可能的第一个数的位置,即下标a从0到n-3
  • 第7行,使用条件判断,如果a大于0且当前元素nums[a]与前一个元素相同,说明这个数字已经被考虑过了,应该跳过,进入下一次循环。
  • 第8行,内层循环遍历剩下的子数组中所有可能的第二个数的位置,即下标ba+1n-2
  • 第9行,使用条件判断,如果b大于a+1且当前元素nums[b]与前一个元素相同,说明这个数字已经被考虑过了,应该跳过,进入下一次循环。
  • 第10行,初始化左指针leftb+1,即剩下子数组中的起始位置。
  • 第11行,初始化右指针rightn-1,即剩下子数组中的末尾位置。
  • 第12行,进入双指针的搜索循环,判断左指针是否小于右指针。
  • 第13行,计算当前四个数的和 sum = nums[a] + nums[b] + nums[left] + nums[right]
  • 第14行,如果和等于目标和target,说明找到了一个满足条件的四元组。将这四个数加入结果列表res中。
  • 第15行,进入内层循环,进行去重处理。如果左指针小于右指针且当前左指针所指的元素与下一个元素相同,则将左指针向右移动一位,跳过重复的元素。
  • 第16行,进入内层循环,进行去重处理。如果左指针小于右指针且当前右指针所指的元素与前一个元素相同,则将右指针向左移动一位,跳过重复的元素。
  • 第17行,左指针向右移动一位。
  • 第18行,右指针向左移动一位。
  • 第19行,内层循环结束。
  • 第20行,外层循环继续遍历剩下的可能的第二个数。
  • 第21行,外层循环结束。
  • 第22行,返回结果列表res

这样就完成了对四数之和的求解。


完整代码


class Solution:
    def fourSum(self, nums, target):
        n = len(nums)
        # 判断数组长度是否小于4
        if n < 4:
            return []
        # 对数组进行排序
        nums.sort()
        res = []  # 结果列表
        # 外层循环遍历所有可能的第一个数的位置
        for a in range(n-3):
            # 对重复元素进行去重
            if a > 0 and nums[a] == nums[a-1]:
                continue
            # 内层循环遍历剩下的子数组中所有可能的第二个数的位置
            for b in range(a+1, n-2):
                # 对重复元素进行去重
                if b > a+1 and nums[b] == nums[b-1]:
                    continue
                left = b + 1  # 左指针
                right = n - 1  # 右指针
                # 双指针搜索循环
                while left < right:
                    # 计算当前四个数的和
                    sum = nums[a] + nums[b] + nums[left] + nums[right]
                    if sum == target:  # 和等于目标和
                        res.append([nums[a], nums[b], nums[left], nums[right]])
                        # 去重处理
                        while left < right and nums[left] == nums[left+1]:
                            left += 1
                        while left < right and nums[right] == nums[right-1]:
                            right -= 1
                        left += 1
                        right -= 1
                    elif sum < target:  # 和小于目标和
                        left += 1
                    else:  # 和大于目标和
                        right -= 1
        return res

详细分析

  • n = len(nums):获取数组 nums 的长度,即元素个数。
  • if n < 4: return []:如果数组长度小于4,直接返回空列表,因为无法找到四个数的组合。
  • nums.sort():对数组进行排序,以确保相同的数字在一起,便于后续的去重操作。
  • res = []:定义一个结果列表,用于存储满足条件的四个数的组合。
  • 外层循环 for a in range(n-3)::遍历可能的第一个数的位置,范围是从第0个到倒数第4个数。
  • if a > 0 and nums[a] == nums[a-1]: continue:去除重复的第一个数,如果当前数与前一个数相等,则跳过本次循环。
  • 内层循环 for b in range(a+1, n-2)::遍历剩下的子数组中所有可能的第二个数的位置。
  • if b > a+1 and nums[b] == nums[b-1]: continue:去除重复的第二个数,如果当前数与前一个数相等,则跳过本次循环。
  • left = b + 1:初始化左指针指向剩余子数组的起始位置。
  • right = n - 1:初始化右指针指向剩余子数组的末尾位置。
  • 双指针搜索循环 while left < right::不断移动左右指针以搜索四个数的组合。
  • sum = nums[a] + nums[b] + nums[left] + nums[right]:计算当前四个数的和。
  • if sum == target::如果和等于目标值,表示找到了一个满足条件的组合。
  • 将四个数加入结果列表中:res.append([nums[a], nums[b], nums[left], nums[right]])
  • 内层循环进行去重处理,跳过重复的元素。
  • 左指针向右移动一位:left += 1
  • 右指针向左移动一位:right -= 1
  • elif sum < target::如果和小于目标值,说明需要增大和,左指针向右移动一位:left += 1
  • else::如果和大于目标值,说明需要减小和,右指针向左移动一位:right -= 1
  • 最后返回结果列表 res,其中存储了所有满足条件的四个数的组合。


运行效果截图


调用示例


solution = Solution()
nums = [1,0,-1,0,-2,2]
target = 0
nums1 = [2,2,2,2,2]
target1 = 8
print(solution.fourSum(nums, target))
print(solution.fourSum(nums1, target1))

运行结果

完结

相关文章
|
10天前
|
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。
41 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
|
10天前
|
机器学习/深度学习 人工智能 算法
【手写数字识别】Python+深度学习+机器学习+人工智能+TensorFlow+算法模型
手写数字识别系统,使用Python作为主要开发语言,基于深度学习TensorFlow框架,搭建卷积神经网络算法。并通过对数据集进行训练,最后得到一个识别精度较高的模型。并基于Flask框架,开发网页端操作平台,实现用户上传一张图片识别其名称。
36 0
【手写数字识别】Python+深度学习+机器学习+人工智能+TensorFlow+算法模型
|
10天前
|
机器学习/深度学习 人工智能 算法
基于深度学习的【蔬菜识别】系统实现~Python+人工智能+TensorFlow+算法模型
蔬菜识别系统,本系统使用Python作为主要编程语言,通过收集了8种常见的蔬菜图像数据集('土豆', '大白菜', '大葱', '莲藕', '菠菜', '西红柿', '韭菜', '黄瓜'),然后基于TensorFlow搭建卷积神经网络算法模型,通过多轮迭代训练最后得到一个识别精度较高的模型文件。在使用Django开发web网页端操作界面,实现用户上传一张蔬菜图片识别其名称。
50 0
基于深度学习的【蔬菜识别】系统实现~Python+人工智能+TensorFlow+算法模型
|
15天前
|
存储 算法 Java
leetcode算法题-有效的括号(简单)
【11月更文挑战第5天】本文介绍了 LeetCode 上“有效的括号”这道题的解法。题目要求判断一个只包含括号字符的字符串是否有效。有效字符串需满足左括号必须用相同类型的右括号闭合,并且左括号必须以正确的顺序闭合。解题思路是使用栈数据结构,遍历字符串时将左括号压入栈中,遇到右括号时检查栈顶元素是否匹配。最后根据栈是否为空来判断字符串中的括号是否有效。示例代码包括 Python 和 Java 版本。
|
15天前
|
算法 Python
在Python编程中,分治法、贪心算法和动态规划是三种重要的算法。分治法通过将大问题分解为小问题,递归解决后合并结果
在Python编程中,分治法、贪心算法和动态规划是三种重要的算法。分治法通过将大问题分解为小问题,递归解决后合并结果;贪心算法在每一步选择局部最优解,追求全局最优;动态规划通过保存子问题的解,避免重复计算,确保全局最优。这三种算法各具特色,适用于不同类型的问题,合理选择能显著提升编程效率。
32 2
|
24天前
|
算法 测试技术 开发者
在Python开发中,性能优化和代码审查至关重要。性能优化通过改进代码结构和算法提高程序运行速度,减少资源消耗
在Python开发中,性能优化和代码审查至关重要。性能优化通过改进代码结构和算法提高程序运行速度,减少资源消耗;代码审查通过检查源代码发现潜在问题,提高代码质量和团队协作效率。本文介绍了一些实用的技巧和工具,帮助开发者提升开发效率。
26 3
|
27天前
|
机器学习/深度学习 人工智能 算法
【车辆车型识别】Python+卷积神经网络算法+深度学习+人工智能+TensorFlow+算法模型
车辆车型识别,使用Python作为主要编程语言,通过收集多种车辆车型图像数据集,然后基于TensorFlow搭建卷积网络算法模型,并对数据集进行训练,最后得到一个识别精度较高的模型文件。再基于Django搭建web网页端操作界面,实现用户上传一张车辆图片识别其类型。
72 0
【车辆车型识别】Python+卷积神经网络算法+深度学习+人工智能+TensorFlow+算法模型
|
1月前
|
机器学习/深度学习 算法 Java
机器学习、基础算法、python常见面试题必知必答系列大全:(面试问题持续更新)
机器学习、基础算法、python常见面试题必知必答系列大全:(面试问题持续更新)
|
1月前
|
机器学习/深度学习 算法 搜索推荐
从理论到实践,Python算法复杂度分析一站式教程,助你轻松驾驭大数据挑战!
【10月更文挑战第4天】在大数据时代,算法效率至关重要。本文从理论入手,介绍时间复杂度和空间复杂度两个核心概念,并通过冒泡排序和快速排序的Python实现详细分析其复杂度。冒泡排序的时间复杂度为O(n^2),空间复杂度为O(1);快速排序平均时间复杂度为O(n log n),空间复杂度为O(log n)。文章还介绍了算法选择、分而治之及空间换时间等优化策略,帮助你在大数据挑战中游刃有余。
60 4
|
4月前
|
机器学习/深度学习 算法 搜索推荐
从理论到实践,Python算法复杂度分析一站式教程,助你轻松驾驭大数据挑战!
【7月更文挑战第22天】在大数据领域,Python算法效率至关重要。本文深入解析时间与空间复杂度,用大O表示法衡量执行时间和存储需求。通过冒泡排序(O(n^2)时间,O(1)空间)与快速排序(平均O(n log n)时间,O(log n)空间)实例,展示Python代码实现与复杂度分析。策略包括算法适配、分治法应用及空间换取时间优化。掌握这些,可提升大数据处理能力,持续学习实践是关键。
125 1
下一篇
无影云桌面