数据结构之字符串

数据结构之字符串

  第一篇:数据结构之链表

  第二篇:数据结构之栈和队列

  第三篇:数据结构之二叉树

  第四篇:数据结构之排序

 

  在这篇文章里,我们关注和字符串相关的话题。

  在谈论到字符串时,通常情况下,我们是在讨论ASCII码范围内的字符串,即它包括256个字符。在设计字符串相关的算法时,我们需要在时间和空间这两者之间进行权衡。

  下面我们来看相关的题目。

  • 判断字符串里出现的字符是否是唯一的。
    思路:方案一:将字符串转换为字符数组,从第一个字符开始遍历,针对每个字符,判断字符串之前是否出现过该字符,如果出现过,说明该字符在字符串中不是唯一的。对应的空间复杂度O(1),时间复杂度O(n*n)。
    判断字符串中的字符是否唯一

    方案二:如果字符串中的字符都是ASCII码,那么可以建立一个长度为256的整型flag数组,数组的每个元素初始值是0, 然后遍历字符串,将每个字符对应的ASCII码求出数组中对应位置的元素值,如果为0,说明字符串中暂时还没有出现该字符,将数组对应元素的值设置为1;如果为1,说明字符串中已经出现了该字符,有重复。

    使用flag数组来判断字符串中字符是否唯一

    方案三:如果字符串空字符超出ASCII码,那么可以使用一个hashtable来模拟flag数组,将遍历过的每个字符以键的方式插入到hashtable中。代码略。

  • 反转字符串
    思路:循环替换(0-n/2),需要注意字符串的最后一位是否是'\0'。
    反转字符串
  • 删除字符串中的重复字符
    思路:这个题目,同样有遍历和flag数组两种方式。首先来看遍历方式,时间复杂度是O(n*n),空间复杂度是O(1)。
    利用循环删除字符串中的重复字符

    接着是使用flag数组。

    利用flag数组删除字符串中的重复字符
  • 判断给定的两个字符串是否是变位词(包含的字符相同,但顺序不同)
    思路:方案一:对两个字符串分别进行排序处理,然后比较排序后的两个字符串是否相同。代码略
    方案二:采用flag数组,首先遍历第一个字符串,填充flag数组;然后遍历第二个字符串,同时检查flag数组。
    利用flag数组判断两个字符串是否是变位词
  • 将字符串中出现的所有空格替换为'%20'
    思路:由于空格和'%20'长度不一致,这样替换后的字符串长度和原来的长度肯定不一样,对于这种情况,我们需要首先遍历一次字符串,计算出空格的数组,这样也就可以计算出新的字符串的长度,然后从后向前依次替换。
    替换字符串中的空格为'%20'
  • 将N*N矩阵旋转90度
    思路:我们可以拿3*3矩阵做例子,在旋转完毕后,前后矩阵元素的关系如下:
      a[0][0]=>a[0][2]
      a[0][1]=>a[1][2]
      a[0][2]=>a[2][2]
      a[1][0]=>a[0][1]
      a[1][1]=>a[1][1]
      a[1][2]=>a[2][1]
      a[2][0]=>a[0][0]
      a[2][1]=>a[1][0]
      a[2][2]=>a[2][0]
    我们可以得到以下转换规则:a[x][y]=>a[y][n-x]。
    将矩阵旋转90度
  • 对N*M 矩阵进行处理,如果某个元素为0,则将该元素对应的行与列都设置为0
    思路:不能直接对矩阵进行设置0的处理,因为再设置0后,还需要进行遍历,这样可能导致最终矩阵所有元素都为0,需要先将为0的元素进行保存,然后再处理。
    对矩阵进行设0处理
  • 判断一个字符串是否是另一个字符串经过翻转后得到的结果,例如cdab就是abcd进行翻转后的结果
    思路:将一个字符串拼接到自己后面,然后判断另一个字符串是否是新字符串的子串。
    判断两个字符串经过翻转后是否一致



    最后,欢迎大家提出更多和字符串相关的面试题目,我们可以一起讨论。

内容概要:该PPT详细介绍了企业架构设计的方法论,涵盖业务架构、数据架构、应用架构和技术架构四大核心模块。首先分析了企业架构现状,包括业务、数据、应用和技术四大架构的内容和关系,明确了企业架构设计的重要性。接着,阐述了新版企业架构总体框架(CSG-EAF 2.0)的形成过程,强调其融合了传统架构设计(TOGAF)和领域驱动设计(DDD)的优势,以适应数字化转型需求。业务架构部分通过梳理企业级和专业级价值流,细化业务能力、流程和对象,确保业务战略的有效落地。数据架构部分则遵循五大原则,确保数据的准确、一致和高效使用。应用架构方面,提出了分层解耦和服务化的设计原则,以提高灵活性和响应速度。最后,技术架构部分围绕技术框架、组件、平台和部署节点进行了详细设计,确保技术架构的稳定性和扩展性。 适合人群:适用于具有一定企业架构设计经验的IT架构师、项目经理和业务分析师,特别是那些希望深入了解如何将企业架构设计与数字化转型相结合的专业人士。 使用场景及目标:①帮助企业和组织梳理业务流程,优化业务能力,实现战略目标;②指导数据管理和应用开发,确保数据的一致性和应用的高效性;③为技术选型和系统部署提供科学依据,确保技术架构的稳定性和扩展性。 阅读建议:此资源内容详尽,涵盖企业架构设计的各个方面。建议读者在学习过程中,结合实际案例进行理解和实践,重点关注各架构模块之间的关联和协同,以便更好地应用于实际工作中。
资 源 简 介 独立分量分析(Independent Component Analysis,简称ICA)是近二十年来逐渐发展起来的一种盲信号分离方法。它是一种统计方法,其目的是从由传感器收集到的混合信号中分离相互独立的源信号,使得这些分离出来的源信号之间尽可能独立。它在语音识别、电信和医学信号处理等信号处理方面有着广泛的应用,目前已成为盲信号处理,人工神经网络等研究领域中的一个研究热点。本文简要的阐述了ICA的发展、应用和现状,详细地论述了ICA的原理及实现过程,系统地介绍了目前几种主要ICA算法以及它们之间的内在联系, 详 情 说 明 独立分量分析(Independent Component Analysis,简称ICA)是近二十年来逐渐发展起来的一种盲信号分离方法。它是一种统计方法,其目的是从由传感器收集到的混合信号中分离相互独立的源信号,使得这些分离出来的源信号之间尽可能独立。它在语音识别、电信和医学信号处理等信号处理方面有着广泛的应用,目前已成为盲信号处理,人工神经网络等研究领域中的一个研究热点。 本文简要的阐述了ICA的发展、应用和现状,详细地论述了ICA的原理及实现过程,系统地介绍了目前几种主要ICA算法以及它们之间的内在联系,在此基础上重点分析了一种快速ICA实现算法一FastICA。物质的非线性荧光谱信号可以看成是由多个相互独立的源信号组合成的混合信号,而这些独立的源信号可以看成是光谱的特征信号。为了更好的了解光谱信号的特征,本文利用独立分量分析的思想和方法,提出了利用FastICA算法提取光谱信号的特征的方案,并进行了详细的仿真实验。 此外,我们还进行了进一步的研究,探索了其他可能的ICA应用领域,如音乐信号处理、图像处理以及金融数据分析等。通过在这些领域中的实验和应用,我们发现ICA在提取信号特征、降噪和信号分离等方面具有广泛的潜力和应用前景。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值