python 算法 两数相加多种解法

简介: python 算法 两数相加多种解法

在 Python 中,有多种解法可以实现两数相加。以下是几种常见的解法:

  1. 逐位相加:将两个数的每一位进行相加,并考虑进位。使用循环遍历两个数的每一位,将对应位相加并考虑进位,然后将结果添加到一个新的列表中。最后,将列表转换为整数即可得到最终结果。
def addTwoNumbers(l1, l2):
    carry = 0
    head = ListNode(0)
    curr = head
    while l1 or l2:
        x = l1.val if l1 else 0
        y = l2.val if l2 else 0
        sum = carry + x + y
        carry = sum // 10
        curr.next = ListNode(sum % 10)
        curr = curr.next
        if l1: l1 = l1.next
        if l2: l2 = l2.next
    if carry > 0:
        curr.next = ListNode(carry)
    return head.next
  1. 递归相加:可以使用递归的方式实现两数相加。递归地处理每一位的相加,并将进位传递到下一位的相加中。
def addTwoNumbers(l1, l2, carry=0):
    if not l1 and not l2 and not carry:
        return None
    x = l1.val if l1 else 0
    y = l2.val if l2 else 0
    sum = carry + x + y
    carry = sum // 10
    result = ListNode(sum % 10)
    l1_next = l1.next if l1 else None
    l2_next = l2.next if l2 else None
    result.next = addTwoNumbers(l1_next, l2_next, carry)
    return result
  1. 倒序相加:如果两个数的位数不一致,可以在相加之前先将两个数补齐为相同长度。然后从最低位开始逐位相加,并考虑进位。
def addTwoNumbers(l1, l2):
    len1 = get_length(l1)
    len2 = get_length(l2)
    if len1 > len2:
        l2 = pad_zeros(l2, len1 - len2)
    else:
        l1 = pad_zeros(l1, len2 - len1)
    head = ListNode(0)
    curr = head
    carry = 0
    while l1 and l2:
        sum = l1.val + l2.val + carry
        carry = sum // 10
        curr.next = ListNode(sum % 10)
        curr = curr.next
        l1 = l1.next
        l2 = l2.next
    if carry > 0:
        curr.next = ListNode(carry)
    return head.next
def get_length(node):
    length = 0
    while node:
        length += 1
        node = node.next
    return length
def pad_zeros(node, num_zeros):
    for _ in range(num_zeros):
        new_node = ListNode(0)
        new_node.next = node
        node = new_node
    return node

这些都是两数相加的常见解法,在实际应用中可以根据具体需求选择合适的方法。

相关文章
|
数据处理 计算机视觉 索引
NumPy中的布尔索引与花式索引详解
【4月更文挑战第17天】本文介绍了NumPy中的布尔索引和花式索引,这两种高级索引方式增强了数组操作的灵活性。布尔索引利用布尔数组过滤数据,如`array[bool_array]`用于根据条件筛选元素;在数据分析中,这对条件筛选非常有用。花式索引包括切片、数组和元组索引,允许非整数位置访问元素。例如,数组索引`array[index_array]`按指定位置选取元素,元组索引适用于多维数组的选择。掌握这两种索引能提升数组数据处理的效率。
|
供应链 安全 IDE
Grafana 未经授权任意访问漏洞(CVE-2022-32275)
Grafana 未经授权任意访问漏洞(CVE-2022-32275)
Grafana 未经授权任意访问漏洞(CVE-2022-32275)
|
4天前
|
存储 人工智能 安全
AI 越智能,数据越危险?
阿里云提供AI全栈安全能力,为客户构建全链路数据保护体系,让企业敢用、能用、放心用
|
7天前
|
域名解析 人工智能
【实操攻略】手把手教学,免费领取.CN域名
即日起至2025年12月31日,购买万小智AI建站或云·企业官网,每单可免费领1个.CN域名首年!跟我了解领取攻略吧~
|
6天前
|
数据采集 人工智能 自然语言处理
3分钟采集134篇AI文章!深度解析如何通过云无影AgentBay实现25倍并发 + LlamaIndex智能推荐
结合阿里云无影 AgentBay 云端并发采集与 LlamaIndex 智能分析,3分钟高效抓取134篇 AI Agent 文章,实现 AI 推荐、智能问答与知识沉淀,打造从数据获取到价值提炼的完整闭环。
412 93
|
20小时前
|
开发者
「玩透ESA」ESA启用和加速-ER在加速场景中的应用
本文介绍三种配置方法:通过“A鉴权”模板创建函数并设置触发器路由;在ESA上配置回源302跟随;以及自定义响应头。每步均配有详细截图指引,帮助开发者快速完成相关功能设置,提升服务安全性与灵活性。
263 1
|
7天前
|
SQL 人工智能 自然语言处理
Geo优化SOP标准化:于磊老师的“人性化Geo”体系如何助力企业获客提效46%
随着生成式AI的普及,Geo优化(Generative Engine Optimization)已成为企业获客的新战场。然而,缺乏标准化流程(Geo优化sop)导致优化效果参差不齐。本文将深入探讨Geo专家于磊老师提出的“人性化Geo”优化体系,并展示Geo优化sop标准化如何帮助企业实现获客效率提升46%的惊人效果,为企业在AI时代构建稳定的流量护城河。
404 156
Geo优化SOP标准化:于磊老师的“人性化Geo”体系如何助力企业获客提效46%