坚持刷题的第三周(一)

简介: 坚持刷题的第三周(一)

2021-10-25

题目

1.最大子序和

image.png


2.搜索插入位置

image.png


3.检测大写字母

image.png


4.最后一个单词长度

image.png


5.搜索二维矩阵

image.png


6.有效的字母异位词

image.png


题解

1.最大子序和

本题是一个一维dp问题,我们可以用双指针,或者分治法来解本题。


首先我们先定义一个最大值和当前最大值,然后经行循环相加,并经行判断,如果当前数和下一位数相加的话大于下一位数,我们就把指针向右继续移动,在当前最大值和下一个数进行对比,谁大就把谁赋值给最大值,反之小于的话,我么就直接从下一个数从头开始相加,直到找到最大值!!!


2.搜索插入位置

在python本题思路比较好写,我们可以先把数组里面的数和插入数进行对比,如果数组中有第一个数大于插入值然后直接返回该数的下标,如果数组中都没有大于插入数的我们就直接可以返回原数组的长度。


3.检测大写字母

这个题开始我准备用双指针来写的,但是最后几个例子总是出错,然后我就直接看了题解,题解就职直接用的就是函数,我觉得这个就没啥意思了,我就先不说这个题的题解了。


4.最后一个单词长度

此题和我之前做的返回字符串的中的单词数很类似,我们可以把这个字符串里面的所有单词给添加到一个列表里面去,最后返回列表里面的最后一个单词的长度,如何添加单词大家可以看我上面的那个题的题解哦!!!


5.搜索二维矩阵

这个题在python中其实能卡一个bug----用 in 一下子就出来了,时间复杂度也是n。


但是我们刷算法的目的是什么?就是为了最优的解决这个问题,让它的效率最大化!!


所以我们不应该取巧的。


这个题主要的思路就是以右上角开始,如果目标变量比右上角的数小,就向左移一列,如果目标标量比右上角的数大就下一移动到下一行的数组中,由此来判断,最后是否能够在这个二维数组里面找到这个目标变量!


两者的复杂度:


image.png


6.有效的字母异位词

t是 ss 的异位词等价于「两个字符串排序后相等」。因此我们可以对字符串 ss 和 tt 分别排序,看排序后的字符串是否相等即可判断。此外,如果 ss 和 tt 的长度不同,tt 必然不是 ss 的异位词。


代码

1.最大子序和

class Solution:
    def maxSubArray(self, nums: List[int]) -> int:
        temp = nums[0]
        max1 = temp
        for i in range(1,len(nums)):
            if temp + nums[i]> nums[i]:
                max1 = max(max1,temp+nums[i])
                temp = temp + nums[i]
            else :
                max1= max(max1,nums[i],temp,temp +nums[i])
                temp = nums[i]
        return max1

2.搜索插入位置

class Solution:
    def searchInsert(self, nums: List[int], target: int) -> int:
        for index,i in enumerate(nums):
            if i >= target:
                return index
        else: return len(nums)

3.检测大写字母

class Solution:
    def detectCapitalUse(self, word: str) -> bool:
         return word.islower() or word.isupper() or word.istitle()

4.最后一个单词长度

class Solution:
    def lengthOfLastWord(self, s: str) -> int:
        list1 = []
        string = ''
        for i in s:
            if i!=' ':
                string = string + i
            elif i == ' ':
                if string != '':
                    list1.append(string)
                    string = ''
        if string != '':
            list1.append(string)
        return len(list1[-1])

5.搜索二维矩阵

class Solution:
    def searchMatrix(self, matrix: List[List[int]], target: int) -> bool:
        x = 0
        y = len(matrix[0])-1
        while x<=len(matrix) -1 and y>=0:
            t = matrix[x][y]
            if target >t:
                x += 1
            elif target < t:
                y -= 1
            else : return True
        return False

6.有效的字母异位词

class Solution(object):
    def isAnagram(self, s, t):
        """
        :type s: str
        :type t: str
        :rtype: bool
        """
        dic1={c:s.count(c) for c in set(s)}
        dic2={d:t.count(d) for d in set(t)}
        if dic1==dic2:
            return True
        else:return False



目录
相关文章
|
4天前
|
弹性计算 关系型数据库 微服务
基于 Docker 与 Kubernetes(K3s)的微服务:阿里云生产环境扩容实践
在微服务架构中,如何实现“稳定扩容”与“成本可控”是企业面临的核心挑战。本文结合 Python FastAPI 微服务实战,详解如何基于阿里云基础设施,利用 Docker 封装服务、K3s 实现容器编排,构建生产级微服务架构。内容涵盖容器构建、集群部署、自动扩缩容、可观测性等关键环节,适配阿里云资源特性与服务生态,助力企业打造低成本、高可靠、易扩展的微服务解决方案。
1106 0
|
3天前
|
机器学习/深度学习 人工智能 前端开发
通义DeepResearch全面开源!同步分享可落地的高阶Agent构建方法论
通义研究团队开源发布通义 DeepResearch —— 首个在性能上可与 OpenAI DeepResearch 相媲美、并在多项权威基准测试中取得领先表现的全开源 Web Agent。
511 10
|
13天前
|
人工智能 运维 安全
|
12天前
|
人工智能 测试技术 API
智能体(AI Agent)搭建全攻略:从概念到实践的终极指南
在人工智能浪潮中,智能体(AI Agent)正成为变革性技术。它们具备自主决策、环境感知、任务执行等能力,广泛应用于日常任务与商业流程。本文详解智能体概念、架构及七步搭建指南,助你打造专属智能体,迎接智能自动化新时代。
|
4天前
|
弹性计算 Kubernetes jenkins
如何在 ECS/EKS 集群中有效使用 Jenkins
本文探讨了如何将 Jenkins 与 AWS ECS 和 EKS 集群集成,以构建高效、灵活且具备自动扩缩容能力的 CI/CD 流水线,提升软件交付效率并优化资源成本。
301 0
|
11天前
|
人工智能 异构计算
敬请锁定《C位面对面》,洞察通用计算如何在AI时代持续赋能企业创新,助力业务发展!
敬请锁定《C位面对面》,洞察通用计算如何在AI时代持续赋能企业创新,助力业务发展!
|
12天前
|
机器学习/深度学习 人工智能 自然语言处理
B站开源IndexTTS2,用极致表现力颠覆听觉体验
在语音合成技术不断演进的背景下,早期版本的IndexTTS虽然在多场景应用中展现出良好的表现,但在情感表达的细腻度与时长控制的精准性方面仍存在提升空间。为了解决这些问题,并进一步推动零样本语音合成在实际场景中的落地能力,B站语音团队对模型架构与训练策略进行了深度优化,推出了全新一代语音合成模型——IndexTTS2 。
803 23
|
4天前
|
缓存 供应链 监控
VVIC seller_search 排行榜搜索接口深度分析及 Python 实现
VVIC搜款网seller_search接口提供服装批发市场的商品及商家排行榜数据,涵盖热销榜、销量排名、类目趋势等,支持多维度筛选与数据分析,助力选品决策、竞品分析与市场预测,为服装供应链提供有力数据支撑。
|
4天前
|
缓存 监控 API
Amazon item_review 商品评论接口深度分析及 Python 实现
亚马逊商品评论接口(item_review)可获取用户评分、评论内容及时间等数据,支持多维度筛选与分页调用,结合Python实现情感分析、关键词提取与可视化,助力竞品分析、产品优化与市场决策。