[leetCode刷题笔记]2017.03.24

本文详细解析了H-Index算法实现,通过统计不同引用次数的论文数量来确定研究者的H指数,并介绍了Wiggle Sort II算法,使用快速选择找到中位数并重新排列数组以达到摇摆排序的要求。

274. H-Index

这道题用一个新的数组,存储每个每个引用次数出现的频率,注意如果某文章引用次数大于科学家发文章的总数,则看作等于发文章总数的频率。

然后再从前往后加计算满足H-INDEX条件的最大值。

public class Solution {
    public int hIndex(int[] citations) {
        int len = citations.length;
        if (len <=0) {
            return 0;
        }
        int[] arr= new int[len + 1];
        for (int i = 0; i < len; i++) {
            if (citations[i] >= len) {
                arr[len]++;
            }
            else {
                arr[citations[i]]++;
            }
        }
        int k = 0;
        int res = 0;
        for (int i = len; i >= 0; i--) {
            k += arr[i];
            if (k >= i) {
                return i;
            }
        }
        return 0;
    }
}


324. Wiggle Sort II

先找出数组中中位数,然后小于这个数的放奇数,其他放偶数。找中位数用到快排思想。

public class Solution {
    public void wiggleSort(int[] nums) {
        int median = findKthLargest(nums, (nums.length  + 1) / 2);
        int n = nums.length;
        
        int left = 0, i = 0, right = n - 1;
        
        while (i <= right) {
            if (nums[newIndex(i,n)] > median) {
                swap(nums, newIndex(left++,n), newIndex(i++,n));
            }
            else if (nums[newIndex(i,n)] < median) {
                swap(nums, newIndex(right--,n), newIndex(i,n));
            }
            else {
                i++;
            }
        }
    }
    private int newIndex(int index, int n) {
        return (1 + 2 * index) % (n | 1);
    }
    private int findKthLargest(int[] nums, int k) {
        return findKthLargest(nums, k, 0, nums.length - 1);
    }
    private int findKthLargest(int[] nums, int k, int l, int r) {
        if (l >= r) {
            return nums[l];
        }
        int m = partition(nums, l, r);
        if (m == k) {
            return nums[m];
        }
        else if (m < k) {
            return findKthLargest(nums, k, m + 1, r);
        }
        else {
            return findKthLargest(nums, k, l, m - 1);
        }
        
    }
    private int partition(int[] nums, int l, int r) {
        int pivot = nums[l];  
        int m = l;  
        int n = l+1;  
        while(n <= r) {  
            if(nums[n] < pivot){  
                swap(nums, ++m, n);  
            }  
            n++;  
        }  
        swap(nums, l, m);  
        return m;
    }
    public void swap(int[] nums, int a, int b) {  
        int temp = nums[a];  
        nums[a] = nums[b];  
        nums[b] = temp;  
    }
}


内容概要:本文系统阐述了Java Persistence API(JPA)的核心概念、技术架构、核心组件及实践应用,重点介绍了JPA作为Java官方定义的对象关系映射(ORM)规范,如何通过实体类、EntityManager、JPQL和persistence.xml配置文件实现Java对象与数据库表之间的映射与操作。文章详细说明了JPA解决的传统JDBC开发痛点,如代码冗余、对象映射繁琐、跨数据库兼容性差等问,并解析了JPA与Hibernate、EclipseLink等实现框架的关系。同时提供了基于Hibernate和MySQL的完整实践案例,涵盖Maven依赖配置、实体类定义、CRUD操作实现等关键步骤,并列举了常用JPA注解及其用途。最后总结了JPA的标准化优势、开发效率提升能力及在Spring生态中的延伸应用。 适合人群:具备一定Java基础,熟悉基本数据库操作,工作1-3年的后端开发人员或正在学习ORM技术的中级开发者。 使用场景及目标:①理解JPA作为ORM规范的核心原理与组件协作机制;②掌握基于JPA+Hibernate进行数据库操作的开发流程;③为技术选型、团队培训或向Spring Data JPA过渡提供理论与实践基础。 阅读建议:此资源以理论结合实践的方式讲解JPA,建议读者在学习过程中同步搭建环境,动手实现文中示例代码,重点关注EntityManager的使用、JPQL语法特点以及注解配置规则,从而深入理解JPA的设计思想与工程价值。
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
 
红包 添加红包
表情包 插入表情
 条评论被折叠 查看
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