当前位置: 首页 > article >正文

【Python 算法零基础 1.线性枚举】

我装作漠视一切,以为这样就可以不在乎

                                                        —— 25.3.17

一、线性枚举的基本概念

1.时间复杂度

        线性枚举的时间复杂度为 O(nm),其中 n是线性表的长度。m 是每次操作的量级,对于求最大值和求和来说,因为操作比较简单,所以 m为 1,则整体的时间复杂度是 O(n)的。这是因为线性枚举需要遍历列表中的每个元素。在处理大规模数据时,可能需要使用更高效的算法来提高搜索速度。

2.优化算法

二分查找:如果线性表已经排序,可以使用二分搜索来提高搜索效率。

哈希表:可以使用哈希表来存储已经搜索过的元素,避免重复搜索。

前缀和:可以存储前 i 个元素的和,避免重复计算。

双指针:可以从两头开始搜索,提升搜索效率。


二、实战

1.1550. 存在连续三个奇数的数组

给你一个整数数组 arr,请你判断数组中是否存在连续三个元素都是奇数的情况:如果存在,请返回 true ;否则,返回 false 。

示例 1:

输入:arr = [2,6,4,1]
输出:false
解释:不存在连续三个元素都是奇数的情况。

示例 2:

输入:arr = [1,2,34,3,4,5,7,23,12]
输出:true
解释:存在连续三个元素都是奇数的情况,即 [5,7,23] 。

提示:

  • 1 <= arr.length <= 1000
  • 1 <= arr[i] <= 1000

方法一 线性枚举

思路与算法

遍历数组:代码通过一个 for 循环遍历数组 arr,从第二个元素开始,到倒数第二个元素结束。这样做的目的是为了确保在检查 arr[i-1]arr[i] 和 arr[i+1] 时不会越界。

检查连续奇数:在每次循环中,代码检查当前元素 arr[i] 及其前一个元素 arr[i-1] 和后一个元素 arr[i+1] 是否都是奇数。这是通过取模运算 % 2 == 1 来判断的。如果这三个元素都是奇数,则说明存在三个连续的奇数,函数立即返回 True。​

返回结果:如果遍历完整个数组都没有找到三个连续的奇数,则函数返回 False

class Solution:
    def threeConsecutiveOdds(self, arr: List[int]) -> bool:
        n = len(arr)
        for i in range(1, n - 1):
            if arr[i - 1] % 2 == 1 and arr[i] % 2 == 1 and arr[i+1] % 2 == 1:
                return True
        return False


2.485. 最大连续 1 的个数

给定一个二进制数组 nums , 计算其中最大连续 1 的个数。

示例 1:

输入:nums = [1,1,0,1,1,1]
输出:3
解释:开头的两位和最后的三位都是连续 1 ,所以最大连续 1 的个数是 3.

示例 2:

输入:nums = [1,0,1,1,0,1]
输出:2

提示:

  • 1 <= nums.length <= 105
  • nums[i] 不是 0 就是 1.

方法一 线性枚举

思路与算法

初始化变量sumNum:用于记录当前连续 1 的个数。maxNum:用于记录遍历过程中找到的最长连续 1 的个数。

遍历数组:使用一个 for 循环遍历数组 nums 的每一个元素。如果当前元素是 0,说明连续的 1 中断了,将 sumNum 重置为 0。如果当前元素是 1,将 sumNum 加 1,表示当前连续 1 的个数增加了。更新最大值:在每次循环中,用 maxNum 记录当前找到的最长连续 1 的个数,通过 max(maxNum, sumNum) 实现。​

返回结果:遍历结束后,maxNum 就是整个数组中最长的连续 1 的个数,将其返回。

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


3.540. 有序数组中的单一元素

给你一个仅由整数组成的有序数组,其中每个元素都会出现两次,唯有一个数只会出现一次。

请你找出并返回只出现一次的那个数。

你设计的解决方案必须满足 O(log n) 时间复杂度和 O(1) 空间复杂度。

示例 1:

输入: nums = [1,1,2,3,3,4,4,8,8]
输出: 2

示例 2:

输入: nums =  [3,3,7,7,10,11,11]
输出: 10

提示:

  • 1 <= nums.length <= 105
  • 0 <= nums[i] <= 105

方法一 线性枚举

思路与算法

特殊情况处理:如果数组长度为 1,直接返回唯一的元素 nums[0],因为它一定是不重复的。​

遍历数组:使用一个 for 循环遍历数组 nums,从第二个元素开始,到倒数第二个元素结束(避免越界)。对于当前元素 nums[i],检查它是否与前后元素都不相等:如果 nums[i] != nums[i - 1] 且 nums[i] != nums[i + 1],则 nums[i] 就是唯一不重复的元素,直接返回。

边界情况处理:如果遍历结束后没有找到不重复的元素,说明不重复的元素可能在数组的边界:检查第一个元素 nums[0] 是否与第二个元素 nums[1] 不相等,如果是,则返回 nums[0]。否则,返回最后一个元素 nums[n - 1]

class Solution:
    def singleNonDuplicate(self, nums: List[int]) -> int:
        n = len(nums)
        if n == 1:
            return nums[0]
        for i in range(1, n - 1):
            if nums[i] != nums[i - 1] and nums[i] != nums[i + 1]:
                return nums[i]
        if nums[0] != nums[1]:
            return nums[0]
        return nums[n - 1]


方法二 二分查找

题目要求设计出的算法必须满足 O(log n) 时间复杂度和 O(1) 空间复杂度

思路与算法

初始化指针:定义两个指针 l 和 r,分别指向数组的起始位置和结束位置。

二分查找:在 while 循环中,计算中间位置 mid = (l + r) // 2

利用 mid ^ 1 来检查 nums[mid] 是否与它的配对元素相等:如果 mid 是偶数,mid ^ 1 就是 mid + 1。如果 mid 是奇数,mid ^ 1 就是 mid - 1。如果 nums[mid] != nums[mid ^ 1],说明不重复元素在 mid 的左侧,将 r 更新为 mid。否则,说明不重复元素在 mid 的右侧,将 l 更新为 mid + 1

返回结果:当 l == r 时,循环结束,nums[l] 就是唯一不重复的元素。

^ 是 ​按位异或(Bitwise XOR)​ 运算符。它的作用是对两个整数的二进制表示逐位进行异或运算,并返回结果。 

对于两个二进制位:

  • 如果两个位相同(都是 0 或都是 1),结果为 0
  • 如果两个位不同(一个是 0,另一个是 1),结果为 1
class Solution:
    def singleNonDuplicate(self, nums: List[int]) -> int:
        n = len(nums)
        l, r = 0, n - 1
        while l < r:
            mid = (l + r) // 2
            if nums[mid] != nums[mid ^ 1]:
                r = mid
            else:
                l = mid + 1
        return nums[l]


http://www.kler.cn/a/590505.html

相关文章:

  • DeepSeek私有化部署与安装浏览器插件内网穿透远程访问实战
  • ISP--Gamma Correction
  • 搞定python之八----操作mysql
  • 【SpringMVC】常用注解:@SessionAttributes
  • Qt QML解决SVG图片显示模糊的问题
  • @RequestBody注解解释
  • 服务创造未来 东隆科技携多款产品亮相慕尼黑
  • 【网络协议】基于UDP的可靠协议:KCP
  • Git 使用指南
  • 【多线程】单例模式
  • Unity学习之Shader总结(一)
  • Docker入门篇2:查看容器、运行容器、启动和停止容器、删除容器
  • Android PC 要来了?Android 16 Beta3 出现 Enable desktop experience features 选项
  • 【STM32】NVIC(嵌套向量中断控制器)
  • Android之RecyclerView列表拖动排序
  • Vue3项目白屏问题深度解析:从AI辅助诊断到性能优化实战
  • 《灵珠觉醒:从零到算法金仙的C++修炼》卷三·天劫试炼(49)万鸦壶焚网络 - 网络延迟时间(Bellman-Ford)
  • Spring boot+mybatis的批量删除
  • 【AI】深度学习与人工智能应用案例详解
  • LIMS系统在纸制品制造的应用 内检实验室LIMS系统提升纸制品质控