Summary Ranges 问题解答

本文分享了一次在LeetCode上刷题的经验,详细阐述了解题思路、代码实现及时间复杂度优化。通过具体示例,展示了如何分析问题、设计算法并实现高效解决方案。此外,文章还提供了对初学者有益的建议,帮助提升编程技能。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

前段时间刷了几道leetcode上面的题,觉得比较有意思,但由于没有记录,所以过一段时间就忘记了。计划在这里对每刷的一道题都进行总结,本次的题如下:

题目
Given a sorted integer array without duplicates, return the summary of its ranges.
For example, given [0,1,2,4,5,7], return [“0->2”,”4->5”,”7”]

大意是给定一个已排好序的且无重复元素的数组,返回其的一个范围集列表。

分析
根据题意,再结合示例,不难发现题目的要求,即将数组中的元素进行分段。分段的原则是段内的元素是连续的数字,如果一个元素前后都没有连续的,则自成一段,如示例中的“7”。
题目中已经对数组做了两个重要的限定,即有序和不重复,有序是前提,不重复的话,表示我们不用对重复的元素做特殊的处理。这样整个就会方便很多。
个人的思路时,用两个下标分别代表一个段的起始位置,如果数组中的元素一直连续,则结束位置依次后移,若不连续,则表示一段的结束,将其放到列表中后,修改开始位置为下一个段的起始位置,继续向前编历数组。
数组遍历结束后,对于最后一个段无法在循环中处理,所以需要单独再处理一次。

代码段如下:

/**
     * 统计整数中出现的连续数字段
     * @param nums
     * @return
     */
    public List<String> summaryRanges(int[] nums) {

        // 参数有效性判断
        if(nums == null){
            return null;
        }

        if(nums.length == 0){
            return Collections.emptyList();
        }

        List<String> ranges = new ArrayList<String>();//最终结果的存储

        int start = 0, end = 1;//两个指针,标识范围的起始位置

        while(end < nums.length){

            //如果相邻的两个值差值不为1,则表示一个范围的结束
            if(nums[end] != (nums[end-1] + 1)){
                if(start==(end-1)){
                    ranges.add(String.valueOf(nums[start]));
                }else{
                    ranges.add(nums[start] + "->" + nums[end-1]);
                }

                start = end;
            }

            end ++;
        }

        //最后再处理一次
        if(start==(end-1)){
            ranges.add(String.valueOf(nums[start]));
        }else{
            ranges.add(nums[start] + "->" + nums[end-1]);
        }

        return ranges;
    }

以上代码已通过leetcode的单测检验,且速度上相对也比较快,个人认为优化的空间不大了。

import pandas as pd import matplotlib.pyplot as plt import numpy as np from scipy import stats plt.rcParams['font.sans-serif'] = ['SimHei'] # 使用黑体显示中文 plt.rcParams['axes.unicode_minus'] = False # 解决保存图像时负号 '-' 显示为方块的问题 def data_preprocessing(df): df['监测时间'] = pd.to_datetime(df['监测时间'], format='%Y-%m-%d %H') df = df.set_index('监测时间') full_range = pd.date_range(start=df.index.min(), end=df.index.max(), freq='h') df_clean = df.reindex(full_range) valid_ranges = { 'PH 值': (6.0, 9.0), '氨氮排放量': (0.01, 1.5), '化学需氧量排放量': (0.05, 5.0) } for col, (min_val, max_val) in valid_ranges.items(): mask = df_clean[col].between(min_val, max_val) df_clean[col] = df_clean[col].where(mask).interpolate(method='spline', order=3) return df_clean def timing_drawing(df): plt.figure(figsize=(15, 9)) plt.subplot(3, 1, 1) plt.plot(df['PH 值'], color='#1f77b4') plt.title('PH 值时序变化趋势', fontproperties='SimHei') plt.ylabel('PH 值', fontproperties='SimHei') plt.subplot(3, 1, 2) plt.plot(df['氨氮排放量'], color='#2ca02c') plt.title('氨氮排放量时序变化趋势', fontproperties='SimHei') plt.ylabel('mg/L', fontproperties='SimHei') plt.subplot(3, 1, 3) plt.plot(df['化学需氧量排放量'], color='#d62728') plt.title('化学需氧量排放量时序变化趋势', fontproperties='SimHei') plt.ylabel('mg/L', fontproperties='SimHei') plt.tight_layout() plt.savefig('时间序列图.png', dpi=300) plt.show() def statistical_analysis(df): stats_summary = df.describe().transpose() median_values = df.median() stats_summary['median'] = median_values.values stats_summary = stats_summary[['mean', 'median', 'std', 'max', 'min']] # 确保输出的表格有正确的列名和指标名字 stats_summary.index.name = '指标' stats_summary.reset_index(inplace=True) stats_summary.columns = ['指标', '均值', '中位数', '标准差', '最大值', '最小值'] print("统计量分析表:") print(stats_summary.to_markdown(index=False)) if __name__ == "__main__": raw_df = pd.read_excel('B 题附件.xls') processed_df = data_preprocessing(raw_df) processed_df.reset_index().to_excel('预处理数据.xlsx', index=True) timing_drawing(processed_df) statistical_analysis(processed_df) 上述代码只需要PH值、氨氮排放量、化学需氧量排放量
最新发布
03-24
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