文章目录
028 Group Anagrams 组字谜
给定一个字符串数组strs ,将所有字谜词分组到子列表中。您可以按任何顺序返回输出。
字谜词是一个字符串,其中包含与另一个字符串完全相同的字符,但字符的顺序可以不同。
示例1:
Input: strs = ["act","pots","tops","cat","stop","hat"]
Output: [["hat"],["act", "cat"],["stop", "pots", "tops"]]
解题1: 哈希表
遍历每个字符串,并用哈希表存储字符串中每个字母出现的次数
class Solution:
def groupAnagrams(self, strs: List[str]) -> List[List[str]]:
# list 作为 defaultdict 的参数意味着,如果你访问一个不存在的键,
# defaultdict 会自动创建一个空的列表 [] 作为该键的默认值。
# defaultdict 是 Python 标准库 collections 模块中的一个类,继承自 dict,用来创建一个字典,
# 当访问不存在的键时,它会自动为该键提供一个默认值,而不抛出 KeyError 异常。
res = defaultdict(list)
for s in strs:
count = [0] * 26 # a...z
for c in s:
# 这里用ASCII码来组为键值计数每个单词出现的次数
count[ord(c) - ord("a")] += 1
# 字典的键值不能是列表的形式,所以强制转换为元组,元组是不可变的
res[tuple(count)].append(s)
return res.values()
时间复杂度:
O
(
m
∗
n
)
O(m*n)
O(m∗n),m是给定的单词数量,n是每个字符串的平均长度
空间复杂度:
O
(
m
)
O(m)
O(m)
029 Top K Frequent Elements 前 K 个频繁元素
给定一个整数数组nums和一个整数k ,返回数组中k个最常见的元素。
生成的测试用例使得答案始终是唯一的。
您可以按任何顺序返回输出。
示例1:
Input: nums = [1,2,2,3,3,3], k = 2
Output: [2,3]
解题1: 桶排序
桶排序(Bucket Sort) 是一种基于分布的排序算法,它将输入元素分到有限数量的桶里,再对每个桶内的元素进行排序,最后将桶内的元素按顺序合并,得到最终的排序结果。桶排序特别适合于输入数据均匀分布的情况。
这里我们设置列表为数字第一行为可能出现的次数,值则为列表中出现该次数的数字,也是列表形式,因为可能存在多个数字出现相同次数的情况
因为原列表的长度是6,所以某个数字可能出现的最多次数也只可能是6,故计算列表的长度也设置为6
class Solution:
def topKFrequent(self, nums: List[int], k: int) -> List[int]:
count = dict()
freq = [[] for i in range(len(nums) + 1)]
# 记录每个数字出现的次数
for num in nums:
count[num] = count.get(num, 0) + 1
# 用一个列表来记录出现次数为c的数字n都有哪些
for n, c in count.items():
freq[c].append(n)
res = []
# 注意,遍历是从0开始的,所以 这里需要减一
# 从后往前遍历,就可以从出现次数最多的数字开始了
for i in range(len(freq)-1, 0, -1):
for n in freq[i]:
res.append(n)n
if len(res)== k:
return res
时间复杂度:
O
(
n
)
O(n)
O(n)
空间复杂度:
O
(
n
)
O(n)
O(n)
030 Encode and Decode Strings 编码和解码字符串
设计一种算法将字符串列表编码为单个字符串。然后将编码后的字符串解码回原始字符串列表。
请实现encode和decode
示例1:
Input: ["neet","code","love","you"]
Output:["neet","code","love","you"]
解题1:
class Solution:
def encode(self, strs: List[str]) -> str:
res = ""
for s in strs:
# 这里注意需要把int转为str类型
# # 用来记录字符串长度记录结束
res += str(len(s)) + "#" + s
return res
def decode(self, s: str) -> List[str]:
res, i = [], 0
while i < len(s):
j = i
while s[j] != "#":
j += 1
length = int(s[i:j])
res.append(s[j+1: j+1+length])
i = j+1+length
return res
时间复杂度:
O
(
m
)
O(m)
O(m),m 是所有字符串的长度之和
空间复杂度:
O
(
1
)
O(1)
O(1)
031 Products of Array Except Self 除 Self 之外的数组的乘积
给定一个整数数组nums ,返回一个数组output ,其中output[i]是nums中除nums[i]之外的所有元素的乘积。
每个产品都保证适合32 位整数。
追问: 你能用时间复杂度为O(n) 解决这个问题吗?不使用除法。
示例1:
IInput: nums = [1,2,4,6]
Output: [48,24,12,8]
解题1:
在前缀数组中记录数组中第i个元素前面数的乘积,在后缀数组中记录数组中第i个元素后面数的乘积,输出则是第i个元素前面乘积和后面乘积的积
但其实我们可以节约内存,不使用额外的两个前缀和后缀数组来存储中间值,只需要遍历两边数组,直接把结果记录到output数组中即可。
class Solution:
def productExceptSelf(self, nums: List[int]) -> List[int]:
res = [1] * (len(nums))
prefix = 1
for i in range(len(nums)):
res[i] = prefix
prefix *= nums[i]
postfix = 1
# 这里需要记住,当列表从后往前走的时候,索引一定要减1
for i in range(len(nums)-1, -1, -1):
res[i] *= postfix
postfix *= nums[i]
return resn
时间复杂度:
O
(
n
)
O(n)
O(n)
空间复杂度:
O
(
1
)
O(1)
O(1),因为输出数组不在空间分析考虑之内
032 Valid Sudoku 有效数独
您将获得一块9 x 9数独board 。如果遵循以下规则,数独板是有效的:
- 每行必须包含数字1-9 ,且不能重复。
- 每列必须包含数字1-9 ,且不能重复。
- 网格的九个3 x 3子框中的每一个都必须包含数字1-9 ,且不能重复。
如果数独板有效则返回true ,否则返回false
示例1:
Input: board =
[["1","2",".",".","3",".",".",".","."],
["4",".",".","5",".",".",".",".","."],
[".","9","8",".",".",".",".",".","3"],
["5",".",".",".","6",".",".",".","4"],
[".",".",".","8",".","3",".",".","5"],
["7",".",".",".","2",".",".",".","6"],
[".",".",".",".",".",".","2",".","."],
[".",".",".","4","1","9",".",".","8"],
[".",".",".",".","8",".",".","7","9"]]
Output: true
解题1: 哈希表
这里的行列使用哈希集比较容易想到,但是对于3*3的网格,我们可以把一个小方格内的坐标映射到相同的值,这样就方便构造哈希集
class Solution:
def isValidSudoku(self, board: List[List[str]]) -> bool:
cols = collections.defaultdict(set)
rows = collections.defaultdict(set)
squares = collections.defaultdict(set) # key = (r/3, c/3)
for r in range(9):
for c in range(9):
if board[r][c] == ".":
continue
if (board[r][c] in cols[r] or
board[r][c] in rows[c] or
board[r][c] in squares[(r//3, c//3)]):
return False
cols[r].add(board[r][c])
rows[c].add(board[r][c])
squares[(r//3, c//3)].add(board[r][c])
return True
时间复杂度:
O
(
n
2
)
O(n^2)
O(n2)
空间复杂度:
O
(
n
2
)
O(n^2)
O(n2)
033 Longest Consecutive Sequence 最长连续序列
给定一个整数数组nums ,返回可以形成的最长连续元素序列的长度。
连续序列是一个元素序列,其中每个元素都比前一个元素恰好大1 。原始数组中的元素不必是连续的。
您必须编写一个在O(n)时间内运行的算法。
示例1:
Input: nums = [2,20,4,10,3,4,5]
Output: 4
解题1: 哈希集
遍历每个数,如果这个数的前一个数字不在集合中,就说明它是开始,然后找他后面的数字有多少个在集合中
class Solution:
def longestConsecutive(self, nums: List[int]) -> int:
setnums = set(nums)
longest = 0
for num in nums:
if (num-1) not in setnums:
length = 0
while (length+num) in setnums:
length += 1
longest = max(longest, length)
return longest
时间复杂度:
O
(
n
)
O(n)
O(n)
空间复杂度:
O
(
n
)
O(n)
O(n)
034 Two Integer Sum II 两个整数和 II
给定一个按非递减顺序排序的整数numbers 。
返回两个数字[index1, index2]的索引,使它们相加达到给定的目标数字target和index1 < index2 。请注意, index1和index2不能相等,因此您不能两次使用相同的元素。
总会有一个有效的解决方案。
您的解决方案必须使用O(1) 额外的空间。
示例1:
Input: numbers = [2,7,11,15], target = 9
Output: [1.2]
解题1:
在这里我们可以设置两个指针,一个从后往前,一个从前往后。因为数组是已经排序的,所以如果两个指针和大于目标值,就把右指针往左移,如果小于目标值就左指针往右移
class Solution:
def twoSum(self, numbers: List[int], target: int) -> List[int]:
l, r = 0, len(numbers) - 1
while l < r:
if numbers[l] + numbers[r] > target:
r -= 1
elif numbers[l] + numbers[r] < target:
l += 1
# 剩下的情况就是两个数的和等于target
else:
# 记住这里需要加1,从示例中可以知道返回的索引是从1开始而不是0
return [l+1, r+1]
时间复杂度:
O
(
n
)
O(n)
O(n)
空间复杂度:
O
(
1
)
O(1)
O(1)
035 3Sum 3总和
给定一个整数数组nums ,返回所有三元组[nums[i], nums[j], nums[k]]其中 nums[i] + nums[j] + nums[k] == 0 ,并且索引i 、 j和k都是不同的。
输出不应包含任何重复的三元组。您可以按任何顺序返回输出和三元组。
示例1:
Input: nums = [-1,0,1,2,-1,-4]
Output:[[-1,-1,2],[-1,0,1]]
解释:
nums[0] + nums[1] + nums[2] = (-1) + 0 + 1 = 0.
nums[1] + nums[2] + nums[4] = 0 + 1 + (-1) = 0.
nums[0] + nums[3] + nums[4] = (-1) + 2 + (-1) = 0.
不同的三元组是[-1,0,1]和[-1,-1,2] 。
解题1: 哈希表
遍历每个字符串,并用哈希表存储字符串中每个字母出现的次数
class Solution:
def threeSum(self, nums: List[int]) -> List[List[int]]:
res = []
nums.sort()
for i, a in enumerate(nums):
if i > 0 and nums[i-1] == a:
continue
l, r = i+1, len(nums)-1
while l < r:
if a+nums[l]+nums[r] > 0:
r -= 1
elif a+nums[l]+nums[r] < 0:
l += 1
else:
res.append([a, nums[l], nums[r]])
l += 1
while l < r and nums[l] == nums[l-1]:
l += 1
return res
时间复杂度:
O
(
n
l
o
g
n
)
+
O
(
n
2
)
=
O
(
n
2
)
O(nlogn)+O(n^2)=O(n^2)
O(nlogn)+O(n2)=O(n2),
O
(
n
l
o
g
n
)
O(nlogn)
O(nlogn)是排序的时间复杂度,O(n^2)是排序完后进行遍历的时间复杂度
空间复杂度:
O
(
m
)
O(m)
O(m)