<LeetCode天梯>Day009 两个数组的交集 II | 初级算法 | Python

简介: <LeetCode天梯>Day009 两个数组的交集 II | 初级算法 | Python

工作日,周三,实验室线路改造装修,工地一样,唉,来,今天和车神哥一起来提升自己的Python编程和面试能力吧,刷天梯~


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,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

数组


image.png

题干

给定两个数组,编写一个函数来计算它们的交集。


示例1:


输入:nums1 = [1,2,2,1], nums2 = [2,2]

输出:[2,2]


示例2:


输入:nums1 = [4,9,5], nums2 = [9,4,9,8,4]

输出:[4,9]

image.png

分析:

目标是求得两数组的交集,那么,我们确定第一个数组的每一个数的个数,然后再去检索第二个数组中是否含有这个数,且此数的个数是多少个,求min()取最小值即可,即为交集的个数。

class Solution:
    def intersect(self, nums1: List[int], nums2: List[int]) -> List[int]:
        n1 = len(nums1)
        sum1 = []
        # 先对两数组进行排序
        nums1.sort()
        nums2.sort()
        for i_1 in range(n1):
            Minima = min(nums1.count(nums1[i_1]), nums2.count(nums1[i_1]))  # 取最小的值则为交集
            if Minima > 0:
                sum1.append(nums1[i_1])
                nums2.remove(nums1[i_1])  # 如果有相同的出现,则删除nums2数组的同一值,以防重复输出
        return sum1

效果嘛,感觉还能再继续优化

image.png

image.png

image.png

优化

好!咱们再继续优化优化算法

针对题干中进阶的问题,我们再继续改进下,nums1的数比nums2的少很多,那么我们是否需要判断数组的数,将小的放在前进行迭代,这样可以节省很多时间。然后若已经排好序,那么我们可以省去排序操作。

再来:

class Solution:
    def intersect(self, nums1: List[int], nums2: List[int]) -> List[int]:
        n1 = len(nums1)
        n2 = len(nums2)
        sum1 = []
        sum2 = []
      # 判断两数组的数谁最多
        if n1 > n2:
            for idx in range(n2):
                Minima1 = min(nums1.count(nums2[idx]), nums2.count(nums2[idx]))
                if Minima1 > 0:
                    sum1.append(nums2[idx])
                    nums1.remove(nums2[idx])
            return sum1
        else:
            for i_1 in range(n1):
                Minima2 = min(nums1.count(nums1[i_1]), nums2.count(nums1[i_1]))
                if Minima2 > 0:
                    sum2.append(nums1[i_1])
                    nums2.remove(nums1[i_1])  # 如果有相同的出现,则删除nums2数组的同一值,以防重复输出
            return sum2

image.png

效果还是不是很好,再优化

        dict_1 = collections.defaultdict(int)
        dict_2 = collections.defaultdict(int)
        for x in nums1:
            dict_1[x] += 1
        for x in nums2:
            dict_2[x] += 1
        result = []
        for k in dict_1.keys():
            result.extend([k] * min(dict_1[k], dict_2[k]))
        return result

image.png


相关文章
|
6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。
29 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
|
6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。
22 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
|
6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。
26 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
|
11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。
|
10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。
28 2
|
1月前
|
存储 机器学习/深度学习 算法
蓝桥杯练习题(三):Python组之算法训练提高综合五十题
蓝桥杯Python编程练习题的集合,涵盖了从基础到提高的多个算法题目及其解答。
60 3
蓝桥杯练习题(三):Python组之算法训练提高综合五十题
|
22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。
67 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
|
27天前
|
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 人工智能 算法
【玉米病害识别】Python+卷积神经网络算法+人工智能+深度学习+计算机课设项目+TensorFlow+模型训练
玉米病害识别系统,本系统使用Python作为主要开发语言,通过收集了8种常见的玉米叶部病害图片数据集('矮花叶病', '健康', '灰斑病一般', '灰斑病严重', '锈病一般', '锈病严重', '叶斑病一般', '叶斑病严重'),然后基于TensorFlow搭建卷积神经网络算法模型,通过对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。再使用Django搭建Web网页操作平台,实现用户上传一张玉米病害图片识别其名称。
55 0
【玉米病害识别】Python+卷积神经网络算法+人工智能+深度学习+计算机课设项目+TensorFlow+模型训练
|
1月前
【LeetCode-每日一题】 删除排序数组中的重复项
【LeetCode-每日一题】 删除排序数组中的重复项
19 4