数据结构学习计划_入门_第二天_数组

Python常见数据结构整理 Python中常见的数据结构可以统称为容器(container)。序列(如列表和元组)、映射(如字典)以及集合(set)是三类主要的容器。 阅读详情

1.两数之和

https://leetcode.cn/problems/two-sum/
数组 哈希表

给定一个整数数组nums和一个整数目标值target,请你在该数组中找出和为目标值target的那两个整数,并返回它们的数组下标。
你可以假设每种输入只会对应一个答案。但是,数组中同一个元素在答案里不能重复出现。你可以按任意顺序返回答案。
示例 1:

输入:nums = [2,7,11,15], target = 9
输出:[0,1]
解释:因为 nums[0] + nums[1] == 9 ,返回 [0, 1] 。

示例 2:

输入:nums = [3,2,4], target = 6
输出:[1,2]

方法一:字典实现哈希表

返回下标

class Solution:
	def twoSum(self, nums: List[int], target: int) -> List[int]:
		record = {}
		for idx, val in enumerate(nums):
			if target - val not in record:
				record[val] = idx
			else:
				return [record[target - val], idx]

返回值

class Solution:
	def twoSum(self, nums: List[int], target: int) -> List[int]:
		record = {}
		for idx, val in enumerate(nums):
			if target - val not in record:
				record[val] = idx
			else:
				return [target - val, val]

复杂度分析:

时间复杂度:O(N)O(N)O(N),其中 N 是数组中的元素数量。对于每一个元素 x,我们可以 O(1)O(1)O(1) 地寻找 target - x。
空间复杂度:O(N)O(N)O(N),其中 N 是数组中的元素数量。主要为哈希表的开销。

方法二:暴力

class Solution(object):
    def twoSum(self, nums, target):
        n = len(nums)
        for i in range(n):
            for j in range(i+1,n):
                if nums[i]+nums[j]==target:
                    return i,j

复杂度分析:

时间复杂度:O(N2)O(N^2)O(N2),其中 NN 是数组中的元素数量。最坏情况下数组中任意两个数都要被匹配一次。

空间复杂度:O(1)O(1)O(1)。

88.合并两个有序数组

https://leetcode.cn/problems/merge-sorted-array/
数组 双指针 排序

给你两个按非递减顺序排列的整数数组nums1和nums2,另有两个整数m和n,分别表示nums1和nums2中的元素数目。
请你合并nums2 到 nums1 中,使合并后的数组同样按非递减顺序排列。
注意:最终,合并后数组不应由函数返回,而是存储在数组nums1中。为了应对这种情况,nums1 的初始长度为 m + n,其中前 m 个元素表示应合并的元素,后 n 个元素为 0 ,应忽略。nums2 的长度为 n 。

题目分析:不同于合并有序链表,题目中说明要直接在nums1上修改,因此不能开辟一个新的空数组不断append那种经典的做法。

方法一:直接合并后排序

最直观的方法是先将数组 nums2\textit{nums}_2nums2​放进数组 nums1\textit{nums}_1nums1​的尾部,然后直接对整个数组进行排序。

class Solution:
    def merge(self, nums1: List[int], m: int, nums2: List[int], n: int) -> None:
        """
        Do not return anything, modify nums1 in-place instead.
        """
        nums1[m:] = nums2
        nums1.sort()

复杂度分析

时间复杂度:O((m+n)log⁡(m+n))O((m+n)\log(m+n))O((m+n)log(m+n))。
排序序列长度为m+nm+nm+n,套用快速排序的时间复杂度即可,平均情况为 O((m+n)log⁡(m+n))O((m+n)\log(m+n))O((m+n)log(m+n))。
空间复杂度:O(log⁡(m+n))O(\log(m+n))O(log(m+n))。
排序序列长度为m+nm+nm+n,套用快速排序的空间复杂度即可,平均情况为 O(log⁡(m+n))O(\log(m+n))O(log(m+n))。

方法二:双指针

思路:利用数组nums1\textit{nums}_1nums1​与nums2\textit{nums}_2nums2​已经被排序的性质。
为了利用这一性质,我们可以使用双指针方法。这一方法将两个数组看作队列,每次从两个数组头部取出比较小的数字放到结果中。为两个数组分别设置一个指针 p1p_1p1​与p2p_2p2​来作为队列的头部指针。

tips:除了对比大小,还要考虑到p1=m和p2=n的情况,分情况讨论。

class Solution:
    def merge(self, nums1: List[int], m: int, nums2: List[int], n: int) -> None:
        """
        Do not return anything, modify nums1 in-place instead.
        """
        # 双指针
        sorted = []
        p1 , p2 = 0, 0
        while p1 < m or p2 < n:
            if p1 == m:
                sorted.append(nums2[p2])
                p2 += 1
            elif p2 == n:
                sorted.append(nums1[p1])
                p1 += 1
            elif nums1[p1] < nums2[p2]:
                sorted.append(nums1[p1])
                p1 += 1
            else:
                sorted.append(nums2[p2])
                p2 += 1
        nums1[:] = sorted
Python入门学习详细的学习计划 Python入门学习详细的学习计划,零基础学习Python需要我们制定学习路线图毕竟半途而废,今天老师详细的制定一套Python学习力固化土,详细到具体每天,个小时学习内容,让Python的学习更轻松。要积极探索 Python 的使用方法,尽可能多的完成下面这些任务:第一天:基本概念(4 小时):print,变量,输入,条件语句第二天:基本概念(5 小时):列表,for 循环,while 循环,函数,导入模块。 阅读详情

相关推荐

【初学Python】Python从入门到精通:一个月就够了~(定制详细的计划)

享受学习的过程,学习是一个过程,只要学习就会有挑战。天道酬勤,你越努力,就会成为越优秀的开发人员。坚持就是胜利~

TZ45678的博客 1443

python 数据结构篇

python中的数据结构实现:数组、链表(单链表、双向链表、双向循环链表)、队列(FIFO、LIFO/栈、优先级队列、双端队列)、树(二叉树、堆、树、森林)、图

qq_62047219的博客 2万+

零基础三周入门Python,成功转岗月入两万,学习计划分享,你学会了吗?

前言 最近在知乎看到一个话题火了,名叫#假如重返大一#,我觉得感触最深的就是我们这些打工人,毕业之后拿着3K的薪资,即便是有点提成也是拿自己健康换来的。 回顾我的大学,我的一些同学发展了自己的兴趣,但我基本每天打游戏。在 那个时候,我们都在不知不觉中用温水煮青蛙。大多数人认为他们刚刚完成了本科文凭, 我就可以找到一份 7-8k 的工作。实际上,4k 不包括住宿, 交了房租,收拾好衣食,就啥也没有了。你们是不是呢? 如果能重返大一,我想一定不会只老老实实的学自己专业的东西,大学一定要发展自己的爱好,丰富自身

Neuromystix的博客 1370

Python常用数据结构

Python常用数据结构

zy0412326的专栏 4493

七天Java入门学习 核心内容

本文专为编程小白打造,大学牲口零基础小白可方心食用,随着AI发展和生产力的提升,我们的学习效率和内容也应该做出相应的调整和变化,基础更加重要,时间需要再次缩短,本文系统梳理了「编程基础与Java入门」的核心知识体系,并制定了一份详尽的七天沉浸式学习计划。内容从环境搭建(JDK+IDEA)到变量、循环、数组,再到面向对象三大特性(封装、继承、多态),最后通过一个综合学生管理系统项目巩固所学。每天均有明确的理论目标和实践任务,带你从“Hello World”走向独立编码,快速建立Java编程思想!【收藏备用】

m0_73920839的博客 1137

Android TV开发:RecyclerView焦点控制实践与优化

在Android TV应用开发中,焦点控制是提升用户体验的关键技术。不同于移动端触摸交互,TV端通过遥控器方向键导航,需要精确的焦点管理机制。RecyclerView作为动态列表的核心组件,其焦点控制涉及视图复用、导航逻辑和视觉反馈等核心技术点。通过合理配置focusable属性、自定义焦点查找算法以及优化动画性能,开发者可以解决TV端常见的焦点跳转异常、视觉反馈延迟等问题。特别是在视频点播、智能家居控制等场景中,良好的焦点控制能显著提升操作效率。本文结合网格布局焦点环绕、分页加载焦点保持等实战案例,深入解

weixin_34195142的博客 469

python 常用的8种经典数据结构

python原生数据结构:元组Tuple(),列表List[],集合Set{},字典Dictionary{A:B}; NumPy包中的数据结构:数组Ndarray(带多种操作),矩阵Matrix(多种线性代数计算); Pandas包中的数据结构:序列Series(索引+1列数据),数据框DataFrame(索引+多列数据表)。......

weixin_45044554的博客 2万+

YOLOv8 TensorRT C++部署实战详解:从XMake构建到推理流水线

本项目实现了一个基于YOLOv8和TensorRT的高性能火灾烟雾检测系统,具有以下核心特点: 技术架构:采用TensorRT 8.6+进行GPU加速推理,结合CUDA 12.1和OpenCV 4.8+,实现高效计算机视觉处理。系统使用XMake替代CMake构建,配置更简洁高效。

hscing的博客 1067

Python算法中常用的数据结构

数据结构可以帮助我们用于存储和操作复杂的数据。在Python中,数据结构有以下五类: ✨列表(list):可变的、有序元素序列。 ✨元组(tuple):不可变的、有序元素序列。 ✨集合(set):元素互斥的、可变的、无序元素序列。 ✨字典(dictionary):无序的、键值对序列。 ✨数据帧(DataFrame):存储二维数据的二维结构。

m0_73375411的博客 4341

Vue+ECharts-GL 3D地图实战:5层叠加打造炫酷中国地图(附完整代码)

本文详细介绍了如何利用Vue和ECharts-GL构建具有强烈立体感的3D中国地图。通过5层图层的巧妙叠加与样式调校,实现了从背景阴影到交互高光的完整视觉层次,并整合了动态飞线与散点标记。文章提供了完整的代码实现、核心配置解析以及性能优化与视觉调优的实战技巧,帮助开发者快速打造专业级的交互式地图可视化应用。

d6e7f8g9h的博客 655

利用NURBS曲线进行点云曲面拟合算法

点云拟合曲面算法是将点云数据拟合成一个二次或高次曲面模型的算法。这种算法主要用于三维模型重建、计算机视觉、机器人感知、医学图像处理等领域。最小二乘法(Least Squares Method):通过最小化点到曲面距离的平方和来拟合曲面模型。三角剖分算法(Triangulation-Based Method):将点云构建成三角网格,再拟合成曲面模型。隐式曲面算法(Implicit Surface Method):通过定义一个隐式函数来表示曲面,然后用点云数据来估计隐式函数的系数。

weixin_44770969的博客 1万+

Python新手学习计划 | 30天从入门到精通(建议收藏)

第四天:Numpy(4 小时):熟悉 Numpy(https://towardsdatascience.com/lets-talk-about- Numpy -for- datascies-beginners-b8088722309f)并练习前 30 个 Numpy 习题(https://github.com/rougier/numpy- 100/blob/master/100_numpy_excercises.md)尝试提交(Commit)、查看变更(Diff)和上推(Push)你的代码。

biancheng_syz的博客 3390

当SLAM遇上FPGA:打造一个会“硬件加速”的激光雷达SLAM系统

点云数据的运动畸变校正特征点提取与匹配、以及ICP迭代最近点配准。在传统方案中,我们通常用ARM核完成所有计算。但点云配准中的最近邻搜索(KD-Tree)需要大量分支判断,CPU处理起来效率很低;而ICP中的矩阵分解(SVD)虽然计算量大,但非常适合并行化。ZYNQ的特殊之处在于它把ARM(PS端)和FPGA(PL端)集成在同一颗芯片上。ARM擅长跑操作系统、处理复杂逻辑和调度,FPGA擅长做高吞吐量的并行计算。两者之间通过AXI总线高速互联,数据交换延迟只有几十个时钟周期。

QQ_778132974的博客 378

CSP初赛知识学习计划

CSP初赛知识学习计划

pythonxuexiquan的博客 1196

基于Gurobi的综合能源系统运行优化:鲁棒两阶段优化方法

本文提出了一种基于Gurobi的综合能源系统鲁棒两阶段优化方法,针对包含换电站、光伏发电和电池储能的系统运行问题。研究采用多面体不确定性集合描述光伏出力随机性,构建了考虑电池衰减成本和弃光惩罚的两阶段优化模型:第一阶段制定日前调度计划,第二阶段处理实时运行中的不确定性。通过列与约束生成算法求解模型,并使用Python和Gurobi实现。仿真验证了该方法能有效平衡系统经济性与鲁棒性,为含高比例可再生能源的综合能源系统运行提供了实用解决方案。

huanghm88的专栏 242

【nnUNetv2进阶】四、nnUNetv2 魔改网络-小试牛刀-加入注意力机制ChannelAttention

本文介绍了在nnunet中加入ChannelAttention的方法,按照本文教的教程,可以快速完成ChannelAttention的加入和自定义模型的跑通。

AI爱好者的博客,分享计算机领域相关知识 5803

力扣学习计划75题-第一篇

力扣这个学习计划适用于想为技术面试做准备但不确定应该聚焦于哪些题目的用户。学习计划中的题目都是经过精心挑选的,Level 1和 Level 2 学习计划是为初级用户和中级用户准备的,题目覆盖了大多数中层公司面试时所必需的数据结构和算法,Level 3 学习计划则是为准备面试顶级公司的用户准备的。所以拿出来记录。......

qq_52592775的博客 719

AI Agent Harness实时监控大屏搭建实战

本文将以目前主流的AI Agent管控框架Harness为基础,结合React、ECharts、WebSocket技术,手把手带你搭建一套完整的实时监控大屏,覆盖全局概览、状态分布、工具调用统计、异常告警、实时日志等核心功能,不需要复杂的底层开发,复制代码就能快速跑通。本文我们从需求出发,先梳理了AI Agent的核心监控指标,然后搭建了监控大屏的静态布局,逐个实现了各个图表,对接了Harness的实时数据源,最后加了交互和告警功能,完整走了一遍监控大屏从设计到落地的全流程。

大数据洞察的博客 181

Python学多久才能独立接单赚钱?一个月足够了,本人私藏的学习计划分享给大家

毫无疑问,Python 是当下最火的编程语言之一。对于许多未曾涉足计算机编程的领域「小白」来说,深入地掌握 Python 看似是一件十分困难的事。其实,只要掌握了科学的学习方法并制定了合理的学习计划,Python 从 入门到精通只需要一个月就够了!要知道,一个月是一段很长的时间。如果每天坚持用 6-7 小时来做一件事,你会有意想不到的收获。

xiangxueerfei的博客 2617

霍尼韦尔SoftMaster使用说明

霍尼韦尔SoftMaster使用说明

ssm框架搭建

这个是一个在idea上成功跑起来的ssm框架项目,保存在这里方便以后使用直接下载

清华大佬都在用的python学习计划!教你一个月快速实现Python入门到精通!!!

第一天:数据库基础(6 小时):基本 SQL 查询(创建表、选择、Where 查询、更新)、SQL 函数(Avg、Max、Count)、关系数据库(规范化)、内连接、外连接等。第七天:在拒绝中学习(~小时):每次你被拒绝的时候,找出两件为了获得这份工作你应该知道的事情,然后花 4-5 天 的时间来掌握它们。第七天:算法(6 小时):搜索(线性和二分查找)、排序(冒泡排序、选择排序)、递归函数(阶乘、斐波那契数列)、时间复杂度(线性、二次和常量)第一天:准备简历(5 小时):制作一份一页的简历。

2301_81051238的博客 955

Data-Structures-and-Algorithm-Analysis-in-Java.pdf

作者: Weiss, Mark A. 出版社: Addison Wesley Data Structures and Algorithm Analysis in Java is an “advanced algorithms” book that fits between traditional CS2 and Algorithms Analysis courses. In the old ACM Curriculum Guidelines, this course was known as CS7. This text is for readers who want to learn good programming and algorithm analysis skills simultaneously so that they can develop such programs with the maximum amo...

Python 从入门到精通:一个月就够了!Python学习路线

第四天:Numpy(4 小时):熟悉 Numpy(https://towardsdatascience.com/lets-talk-about- Numpy -for- datascies-beginners-b8088722309f)并练习前 30 个 Numpy 习题(https://github.com/rougier/numpy- 100/blob/master/100_numpy_excercises.md)尝试提交(Commit)、查看变更(Diff)和上推(Push)你的代码。

m0_65482549的博客 3350

计算机控制技术及应用

《计算机控制技术及应用》通过总结作者的科研成果和吸收国内外的先进理论、方法和技术,以计算机控制系统的网络化、开放化、智能化和集成化发展趋势为主线索,主要介绍计算机控制系统的基本概念和计算机控制系统的典型形式,计算机控制系统的数学描述与基本分析方法,以及数字PID控制器、最少拍控制系统、达林算法、状态变量设计法等设计方法及其各种改进算法。重点突出计算机控制系统输入输出通道接口的设计方法和典型控制系统的设计案例与实现方法等。

Python 从零基础入门到精通:一个月就够了

本文主要介绍一些平时经常会用到的python基础知识点,用于加深印象,也算是对于学习这门语言的一个总结与回顾。python的详细语法介绍可以查看官方编程手册,也有一些在线网站可以学习 python语言介绍 python是一门解释型语言,python的设计目标: 一门简单直观的语言并与主要竞争者一样强大 开源,以便任何人都可以为它做贡献 代码像纯英语那样容易理解 适用于短期开发的日常任务 设计哲学是: 优雅 明确 简单 python基础语法 标识符 第一个字符必须是字母表中字母或下划线 。 标识符的其他的部

weixin_50897235的博客 6703

《算法和数据结构》排序篇

九天刷完100道排序题

英雄哪里出来 8420

python零基础入门到精通,python入门到精通教程

看漫画学Python 2:有趣、有料、好玩、好用》也已重磅来袭!第二版是在《看漫画学Python》的基础上更全面的学习Python,如果你看过《看漫画学Python》,那么你一定很喜欢《看漫画学Python 2》。这两本书的内容不冲突,内容完美更新!各位漫学粉儿们不要错过呀!由于篇幅原因,下文仅截图展示部分内容,有需要的小伙伴可以扫描文末微信卡片免费领取!《看漫画学Python 2》有哪些特别之处?一,漫画图解,让学习变得生动有趣。

w666666Wwwwwww的博客 842

一个资深码农对我说:“ 三周学习计划搞定Python,学学思路,别闷头往死路上送,不缺你一个 ”

第一周:熟悉Python 要积极探索Python的使用方法,尽可能多的完成下面这些任务: 第一天 基本概念(4小时):print、变量、输入、条件语句 第二天:基本概念09)(0900(

yunyun云芸 592
上一篇: 连接Google Colab
下一篇: 算法入门_day01_二分查找
Pythonistas29xs
博客等级 码龄8年 27粉丝 30原创
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付:10.00元
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

打赏作者

Pythonistas29xs

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

实付元
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