LeetCode题目92:反转链表ll 【python 递归与迭代方法全解析】

简介: LeetCode题目92:反转链表ll 【python 递归与迭代方法全解析】

作者介绍:10年大厂数据\经营分析经验,现任大厂数据部门负责人。

会一些的技术:数据分析、算法、SQL、大数据相关、python

欢迎加入社区:码上找工作

作者专栏每日更新:

LeetCode解锁1000题: 打怪升级之旅

python数据分析可视化:企业实战案例

python源码解读

程序员必备的数学知识与应用

备注说明:方便大家阅读,统一使用python,带必要注释,公众号 数据分析螺丝钉 一起打怪升级

本文详细讨论了链表反转的三种方法:迭代、全递归和局部递归,提供了代码实现,并比较了它们的效率和适用场景。


题目描述

反转从位置 mn 的链表。请使用一趟扫描完成反转。

说明:

1 ≤ mn ≤ 链表长度。

输入格式
  • head:链表的头节点。
  • m:开始反转的位置。
  • n:结束反转的位置。
输出格式
  • 返回反转部分后的链表头节点。

示例

示例 1
输入: 1->2->3->4->5->NULL, m = 2, n = 4
输出: 1->4->3->2->5->NULL

方法一:迭代

解题步骤
  1. 定位节点:找到第 m-1 个节点(反转的前一个节点)。
  2. 反转区间:迭代反转从 mn 的节点。
完整的规范代码
class ListNode:
    def __init__(self, x):
        self.val = x
        self.next = None
def reverseBetween(head, m, n):
    """
    一次扫描反转链表的部分区间
    :param head: ListNode, 链表的头节点
    :param m: int, 开始反转的位置
    :param n: int, 结束反转的位置
    :return: ListNode, 反转部分后的链表头节点
    """
    if not head:
        return None
    # 创建一个哑节点,简化边界问题处理
    dummy = ListNode(0)
    dummy.next = head
    pre = dummy
    # 第一部分:找到第 m-1 个节点
    for _ in range(m - 1):
        pre = pre.next
    # 反转的起始节点
    start = pre.next
    then = start.next
    # 第二部分:反转从 m 到 n 的节点
    for _ in range(n - m):
        start.next = then.next
        then.next = pre.next
        pre.next = then
        then = start.next
    return dummy.next
# 示例调用
node1 = ListNode(1)
node2 = ListNode(2)
node3 = ListNode(3)
node4 = ListNode(4)
node5 = ListNode(5)
node1.next = node2
node2.next = node3
node3.next = node4
node4.next = node5
result = reverseBetween(node1, 2, 4)
算法分析
  • 时间复杂度:(O(n)),其中 n 是链表的长度,需要一趟遍历找到反转的起始位置。
  • 空间复杂度:(O(1)),使用了有限的几个额外变量。

方法二:递归

解题步骤
  1. 递归反转:利用递归在到达第 m 个节点时开始反转,直到第 n 个节点。
  2. 连接反转部分:递归返回时,重新连接已反转部分与未反转部分。
完整的规范代码
def reverseBetween(head, m, n):
    """
    使用递归反转链表的部分区间
    :param head: ListNode, 链表的头节点
    :param m: int, 开始反转的位置
    :param n: int, 结束反转的位置
    :return: ListNode, 反转部分后的链表头节点
    """
    global successor  # 后继节点,即反转部分之后的第一个节点
    if m == 1:
        return reverseN(head, n)
    head.next = reverseBetween(head.next, m - 1, n - 1)
    return head
def reverseN(head, n):
    if n == 1:
        successor = head.next
        return head
    last = reverseN(head.next, n - 1)
    head.next.next = head
    head.next = successor
    return last
# 示例调用省略,与方法一类似,使用 ListNode 定义链表并调用 reverseBetween 函数
算法分析
  • 时间复杂度:(O(n)),递归过程中节点只被访问一次。
  • 空间复杂度:(O(n)),递归深度最大为 n,在最坏情况下为链表的长度。

方法三:反转前 n 个节点的递归

解题步骤
  1. 局部反转:定义一个递归函数反转链表的前 n 个节点。
  2. 调整指针:在递归中调整指针连接,完成局部反转。
完整的规范代码
def reverseN(head, n):
    """
    递归反转链表的前 n 个节点
    :param head: ListNode, 链表的头节点
    :param n: int, 需要反转的节点数
    :return: ListNode, 反转后的链表头节点
    """
    if n == 1:
        successor = head.next  # 后继节点,即未反转部分的头节点
        return head
    last = reverseN(head.next, n - 1)
    head.next.next = head
    head.next = successor
    return last
# 示例调用省略,与方法二类似,使用 ListNode 定义链表并调用 reverseN 函数

不同算法的优劣势对比

特征 方法一:迭代 方法二:递归 方法三:局部反转递归
时间复杂度 (O(n)) (O(n)) (O(n))
空间复杂度 (O(1)) (O(n)) (O(n))
优势 直接且高效,无需额外空间 代码简洁,直观易懂 适用于需要反转链表前部分的场景
劣势 需要处理多个指针,逻辑稍复杂 空间复杂度较高,递归深度大时可能栈溢出 使用场景有限,递归深度依然是问题

应用示例

链表的部分反转在许多实际应用中都非常有用,例如在编辑软件中撤销操作的实现、操作系统的任务调度等。这些算法为处理类似问题提供了有效的解决方案。


欢迎关注微信公众号 数据分析螺丝钉

相关文章
|
11月前
|
XML JSON 数据处理
超越JSON:Python结构化数据处理模块全解析
本文深入解析Python中12个核心数据处理模块,涵盖csv、pandas、pickle、shelve、struct、configparser、xml、numpy、array、sqlite3和msgpack,覆盖表格处理、序列化、配置管理、科学计算等六大场景,结合真实案例与决策树,助你高效应对各类数据挑战。(238字)
1387 0
|
11月前
|
存储 人工智能 算法
从零掌握贪心算法Java版:LeetCode 10题实战解析(上)
在算法世界里,有一种思想如同生活中的"见好就收"——每次做出当前看来最优的选择,寄希望于通过局部最优达成全局最优。这种思想就是贪心算法,它以其简洁高效的特点,成为解决最优问题的利器。今天我们就来系统学习贪心算法的核心思想,并通过10道LeetCode经典题目实战演练,带你掌握这种"步步为营"的解题思维。
|
11月前
|
数据采集 存储 JavaScript
解析Python爬虫中的Cookies和Session管理
Cookies与Session是Python爬虫中实现状态保持的核心。Cookies由服务器发送、客户端存储,用于标识用户;Session则通过唯一ID在服务端记录会话信息。二者协同实现登录模拟与数据持久化。
|
12月前
|
JSON 缓存 开发者
淘宝商品详情接口(item_get)企业级全解析:参数配置、签名机制与 Python 代码实战
本文详解淘宝开放平台taobao.item_get接口对接全流程,涵盖参数配置、MD5签名生成、Python企业级代码实现及高频问题排查,提供可落地的实战方案,助你高效稳定获取商品数据。
|
12月前
|
存储 大数据 Unix
Python生成器 vs 迭代器:从内存到代码的深度解析
在Python中,处理大数据或无限序列时,迭代器与生成器可避免内存溢出。迭代器通过`__iter__`和`__next__`手动实现,控制灵活;生成器用`yield`自动实现,代码简洁、内存高效。生成器适合大文件读取、惰性计算等场景,是性能优化的关键工具。
515 2
|
机器学习/深度学习 文字识别 Java
Python实现PDF图片OCR识别:从原理到实战的全流程解析
本文详解2025年Python实现扫描PDF文本提取的四大OCR方案(Tesseract、EasyOCR、PaddleOCR、OCRmyPDF),涵盖环境配置、图像预处理、核心识别与性能优化,结合财务票据、古籍数字化等实战场景,助力高效构建自动化文档处理系统。
2850 0
|
机器学习/深度学习 JSON Java
Java调用Python的5种实用方案:从简单到进阶的全场景解析
在机器学习与大数据融合背景下,Java与Python协同开发成为企业常见需求。本文通过真实案例解析5种主流调用方案,涵盖脚本调用到微服务架构,助力开发者根据业务场景选择最优方案,提升开发效率与系统性能。
2334 0
机器学习/深度学习 算法 自动驾驶
1638 0
|
算法 安全 数据安全/隐私保护
Python随机数函数全解析:5个核心工具的实战指南
Python的random模块不仅包含基础的随机数生成函数,还提供了如randint()、choice()、shuffle()和sample()等实用工具,适用于游戏开发、密码学、统计模拟等多个领域。本文深入解析这些函数的用法、底层原理及最佳实践,帮助开发者高效利用随机数,提升代码质量与安全性。
1487 0
|
数据可视化 Linux iOS开发
Python脚本转EXE文件实战指南:从原理到操作全解析
本教程详解如何将Python脚本打包为EXE文件,涵盖PyInstaller、auto-py-to-exe和cx_Freeze三种工具,包含实战案例与常见问题解决方案,助你轻松发布独立运行的Python程序。
2610 2

推荐镜像

更多