自动化研究生在读，此博客记录了我的学习与刷题经验，欢迎大家阅读交流

为了方便查找我写过的题解，就按照不同类型将其归类，这里做个目录置顶。链表：链表基础概念与经典题目（Leetcode题解-Python语言）哈希表：哈希表（散列表）python描述与leetcode题解笔记之上——原理与设计哈希表（散列表）python描述与leetcode题解笔记之中——实际应用哈希表（散列表）python描述与leetcode题解笔记之下——设计键二叉树：二叉树N叉数的前中后序遍历总结，python实现递归法和迭代法从前中后序遍历构造二叉树，三题无脑秒杀二叉树层序遍历一

迭代器从集合的第一个元素开始访问，直到所有的元素被访问完结束，并且只能往前不会后退。注意 for 循环接收的只是可迭代对象而不是迭代器，所以实际上 for 循环帮我们同时完成了。方法对其进行迭代，如果迭代器的内容已经全部迭代完了，就会返回一个。，因为可迭代的对象（如列表、元组、字典、集合和字符串），得先使用。就是一个返回迭代器的函数，只能用于迭代操作，更简单点理解。既然能处理可迭代对象，当然也可以处理迭代器，如下。，而数字就不是可迭代的。，用于迭代列表、元组、字典、集合和字符串等。...

函数 myFun 定义为先接收非关键字参数 args，再接收关键字参数 kwargs，所以在调用语句中，前三个字符串被看作是非关键字参数（args），后三个则被看作是关键字参数（kwargs）。实际上就是先用列表 args 中的元素作为非关键字参数调用了一次函数，然后再用字典 kwargs 中的元素作为关键字参数调用一次函数。Python 中传入函数的参数主要分为。...

LEETCODE PATTERNS 官网在这个链接，Neetcode 官网在这个链接题目页面解法一：蛮力解法，从头开始遍历数组中的元素，对于每个元素，都将其与后面的所有元素进行比较，若有重复则返回 True，可知此解法时间复杂度为O(n2)O({n^2})O(n2)，空间复杂度为 O(1)O(1)O(1)解法二：排序后遍历，将数组排序之后，重复的元素一定是相邻的，所以很容易比较出来，但排序需要时间开销，所以此解法时间复杂度为 O(nlog⁡n)O(n\log n)O(nlogn)，空间复杂度为 O(1)O(

78. 子集class Solution: def subsets(self, nums: List[int]) -> List[List[int]]: ans = [] cur = [] def dfs(i): if i == len(nums): ans.append(cur.copy()) return

236. 二叉树的最近公共祖先class Solution: def lowestCommonAncestor(self, root: 'TreeNode', p: 'TreeNode', q: 'TreeNode') -> 'TreeNode': def dfs(root: 'TreeNode', p: 'TreeNode', q: 'TreeNode'): # 如果当前节点为空，则说明 p、q 不在 node 的子树中，不可能为公共祖先，直接返回

昨天介绍完了最常用的列表，之后就是次常用的元组、集合与字典了。5.3. 元组和序列元组和之前讲过的列表有很多共同特性，例如索引和切片操作。实际上，他们是 序列 数据类型（list, tuple, range）中的两种。一个元组由几个被逗号隔开的值组成，例如：>>> t = 12345, 54321, 'hello!' # 元组打包>>> t[0]12...

我们都知道，python的官方文档写得十分详尽，也是每一个学习python的人都绕不开的。所以从今天开始，我每天都会用一小时学习python的官方文档，按照文档目录的顺序，摘录一些有用的语句，写下一些个人心得放在博客里，python版本为3.8.2，文档地址如下：https://docs.python.org/zh-cn/3/index.html1.课前甜点Python是一种解释型语言，在...

4. 其他流程控制工具4.1. if 语句大多数人都很熟悉的if语句：if condition1: passelif condition2: passelse condition3: pass注意python中没有switch或case语句，所以一个 if ... elif ... elif ... 序列可以看作是其他语言中的 switch 或 case 语句的替代。4.2....

上一天看到第四章的一半，介绍了一些常用的流程控制工具，也就是常用语句，主要是if、for、range()、break、continue、else和pass。今天把第四章剩下的看完，讲的是如何在python中定义和使用函数。函数其实就是一种对代码的封装，对于一段完成某种功能的代码，如果需要在程序中多次用到这个功能，不使用函数的话，就要写多次相同的代码，很麻烦；如果使用函数的话，定义函数只需要一次，往...

终于进入到第五章数据结构部分了，python中常用的容器有列表、元组、集合和字典，今天主要了解的是最为常用的列表。5. 数据结构5.1. 列表的更多特性对于列表的操作有很多，具体操作看官方文档就行，但是我们对列表有什么操作，是应该有个印象的，否则需要用到的时候不知道有这种操作，自然也谈不上查文档了。通过list()或者中括号[]来新建一个列表；通过clear()删除列表中所有的元素在列...

学习完数据结构之后，我们就能够对之前在第二天中讲过的流程控制工具，添加更多的用法了，这里主要介绍的是for循环语句和if与while条件判断语句。5.6. 循环的技巧我们学过的遍历序列for i in range() 、for i in list() 和 for i in tuple()，都是每次只取出一个元素。技巧性更强的是一次取出两个元素，尤其以字典为例：>>> kni...

6. 模块模块是一个包含Python定义和语句的文件，实际上就是一个正常的.py文件。但是作用和普通需要运行的程序不一样，它实际上有点像函数。如果说函数实现了代码的重用，模块则是实现了函数的重用。我们如果想在不同的程序中使用同一个函数， 不必把这个函数复制到每一个程序中去，而是通过把函数写在一个模块中，然后程序通过导入模块就可以使用这个函数了。模块文件名就是模块名后跟文件后缀 .py 。在一个...

作为 Leetcode 的第一题，两数之和自然是知名度最高的，从两数之和出发也有不少的衍生题目，下面就让我们好好地解决它们。1. 两数之和class Solution: def twoSum(self, nums: List[int], target: int) -> List[int]: record = dict() for i, num in enumerate(nums): if target - num in record:

28. 实现 strStr()strStr(haystack: str, needle: str) 的作用就是在 haystack 字符串（长度为 n）中找出 needle 字符串（长度为 m）出现的第一个位置（下标从 0 开始）。如果不存在，则返回 -1 ；如果 needle 是空字符串，则返回 0。 Python 中对应的写法是 haystack.find(needle)。如果让我们自己实现这个函数，最简单的思路就是对 haystack 字符串中每个字符的位置，都用 needle 字符串试着去匹配

344. 反转字符串class Solution: def reverseString(self, s: List[str]) -> None: """ Do not return anything, modify s in-place instead. """ left = 0 right = len(s) - 1 while left < right: s[lef

贪心算法（Greedy Algorithm）：是一种在每次决策时采用当前状态下最优或最好的策略，从而希望导致结果是最好或最优的算法。455. 分发饼干class Solution: def findContentChildren(self, g: List[int], s: List[int]) -> int: g.sort(reverse=True) s.sort(reverse=True) p1, p2 = 0, 0 an

队列是先入先出（后入后出）的数据结构，常用操作就 push 和 popleft，Python中用列表中的 pop(0) 或者 collection.deque的 popleft() 都可以。普通队列225. 用队列实现栈class MyStack: def __init__(self): self.queue1 = [] self.queue2 = [] self.size = 0 def push(self, x: int) -&g

在一维数组中的考察中，最常见的就是找出数组中的重复数、只出现一次的数或者丢失（消失）数等等。一般来说，首先想到的就是用哈希表（集合）来记录出现过的数，基本所有的题都可以用集合来做，而技巧性在于有时可以把原数组自身作为哈希表；其次就是位运算，原理是相同的数做异或运算 ^ 会得到0，而一个数与0做异或会得到这个数本身；最后，在排好序或者对空间要求为O(1)但又不能修改原数组的情况下，二分查找也是一种方法。136. 只出现一次的数字（找出一个只出现一次的数字）class Solution: de

一般来说，子串和子数组都是连续的，而子序列是可以不连续的，遇到子序列问题基本上都是用动态规划求解。53. 最大子数组和（剑指 Offer 42. 连续子数组的最大和）class Solution: def maxSubArray(self, nums: List[int]) -> int: n = len(nums) dp = [-10001] * (n+1) dp[0] = nums[0] for i in range(1

栈是先入后出（后入先出）的数据结构，常用操作就 push 和 pop，Python中用列表实现即可，基本概念可以看Leetbook相关章节。155. 最小栈（剑指 Offer 30. 包含min函数的栈）class MinStack: def __init__(self): self.stack = [(0, float('+inf'))] def push(self, x: int) -> None: self.stack.append((x,

50. Pow(x, n)快速幂算法的目的，就是快速计算 x 的 n 次方。基本思路是把 n 视作二进制数，则 n 可以被分解为多个 2 的幂次方之和，如 12 对应 1100 等于 0∗20+0∗21+1∗22+1∗230*{2^0} + 0*{2^1} + 1*{2^2} + 1*{2^3}0∗20+0∗21+1∗22+1∗23，即二进制数中每一位的0或1对应的正是系数。因此，x12=x0∗20+x0∗21+x1∗22+x1∗23{x^{12}} = {x^{0*{2^0}}} + {x^{0*{2^

54. 螺旋矩阵class Solution: def spiralOrder(self, matrix: List[List[int]]) -> List[int]: ans = [] count = 0 m, n = len(matrix), len(matrix[0]) length = m * n directions = [(0, 1), (1, 0), (0, -1), (-1, 0)]

118. 杨辉三角class Solution: def generate(self, numRows: int) -> List[List[int]]: dp = [[0] * i for i in range(1, numRows+1)] for i in range(numRows): for j in range(len(dp[i])): # 左右两边是1，中间部分就是其上方两个数之和

在 Leetcode 中，关于买卖股票的问题共有6道，而这些题目是可以用相同的思维进行求解的，强烈推荐这篇总结，写得非常到位。股票类问题的动态规划分三步走，1、首先明确方程的含义，T[i][k][0]：表示在第 i 天结束时，最多进行 k 次交易且在进行操作后持有 0 份股票的情况下可以获得的最大收益；T[i][k][1]：表示在第 i 天结束时，最多进行 k 次交易且在进行操作后持有 1 份股票的情况下可以获得的最大收益。2、初始（基准）情况：T[-1][k][0] = 0, T[-1][k][

70. 爬楼梯（剑指 Offer 10- II. 青蛙跳台阶问题）递归（英语：Recursion），是指在函数的定义中使用函数自身的方法。有意义的递归通常会把问题分解成规模缩小的同类子问题，当子问题缩写到寻常的时候，我们可以直接知道它的解。然后通过建立递归函数之间的联系（转移）即可解决原问题。而记忆化递归，就是用数组或者哈希表记录下递归过程中的计算结果，避免重复计算。以爬楼梯为例，我们想知道爬 n 阶楼梯的方案数 f(n)，由于每次只能爬 1 阶或 2 阶楼梯，所以其实如果知道爬 n - 1 阶和 n

297. 二叉树的序列化与反序列化（剑指 Offer 37. 序列化二叉树）（剑指 Offer II 048. 序列化与反序列化二叉树）class Codec: def serialize(self, root): """Encodes a tree to a single string. :type root: TreeNode :rtype: str """ if not root:

堆是一种特别的完全二叉树，符合以下两个定义即为堆：1、完全二叉树；2、每一个节点的值都必须大于等于或者小于等于其孩子节点的值。若是大于等于，即为最大堆，若是小于等于，即为最小堆。显然，最大堆的根节点是最大值，最小堆的根节点是最小值。深度为kkk的二叉树至多总共有2k+1{2^{k + 1}}2k+1个节点（定义根节点所在深度k0{k_0}k0​=0），节点数正好是2k+1{2^{k + 1}}2k+1的二叉树就称为满二叉树；如果对满二叉树的节点编号，有二叉树的节点可以与编号一一对应的话，该二叉树就称为

所谓链表，就是由链节点元素组成的表，那什么是链节点呢？直接上定义：class ListNode: def __init__(self, val=0, next=None): self.val = val self.next = next很简单，链节点就是只记录自身的值 val，还有其指向的下一个链节点的位置 next。707. 设计链表class ListNode: def __init__(self, val=0, next=None):

高度平衡的二叉搜索树（平衡二叉树），定义见此Leetbook。简单来说，就是基于相同节点值构建出来的二叉搜索树中高度最小的，即为平衡二叉树（不唯一）。有 N 个节点的平衡二叉搜索树，它的高度是 logN 。并且，每个节点的两个子树的高度不会相差超过 1。108. 将有序数组转换为二叉搜索树（面试题 04.02. 最小高度树）class Solution: def sortedArrayToBST(self, nums: List[int]) -> TreeNode: if

二叉搜索树，首先上定义：节点的左子树只包含小于当前节点的数。节点的右子树只包含大于当前节点的数。所有左子树和右子树自身必须也是二叉搜索树。而二叉搜索树最有用的性质就是，对其中序遍历可以得到一个递增的有序序列。更多的内容，可以到这个Leetbook当中学习。98. 验证二叉搜索树验证二叉搜索树，第一种方法是从定义出发：class Solution: def isValidBST(self, root: TreeNode) -> bool: def bounder

二叉树中递归的思想，在这本Leetbook中讲的很细了，这里不展开。下面是几道例题：100. 相同的树class Solution: def isSameTree(self, p: TreeNode, q: TreeNode) -> bool: if (not p) and (not q): return True elif (not p) or (not q): return False el

二分查找的讲解请见上一篇文章。本文主要记录对数值进行二分的题目解法与思路。374. 猜数字大小class Solution: def guessNumber(self, n: int) -> int: left = 1 right = n while left < right: mid = left + (right - left) // 2 if guess(mid) == 1: # m

695. 岛屿的最大面积先上最经典的题目，详细思路看这题的官方题解，简单来说的岛屿问题就是遍历二维数组，一般都是从一块陆地开始，进行深度优先或者广度优先搜索，每次上下左右四个方向选其一寻找下一块陆地，最后找到一个岛屿（一片陆地）。...

二分查找的定义如下（引自Wiki）：在计算机科学中，二分查找算法（英语：binary search algorithm），也称折半搜索算法（英语：half-interval search algorithm）、对数搜索算法（英语：logarithmic search algorithm），是一种在有序数组中查找某一特定元素的搜索算法。搜索过程从数组的中间元素开始，如果中间元素正好是要查找的元素，则搜索过程结束；如果某一特定元素大于或者小于中间元素，则在数组大于或小于中间元素的那一半中查找，而且跟开始一样从

在很多应用中，我们会发现某种映射关系（模式），但它并不是简单一 一对应的。这时，我们就要从键 key 入手，通过设计合适的键，建立映射关系。leetbook的这个章节总结了一些常见的键，以供参考。49. 字母异位词分组class Solution: def groupAnagrams(self, strs: List[str]) -> List[List[str]]: hashtable = dict() for s in strs:

上一节介绍了哈希表的原理与设计方法，这一节则直接python中现有的哈希表类型：哈希集合 set（集合）和哈希映射 dict（字典）来解决实际应用（刷题）。零、概念在介绍实际应用之前，有一个概念我认为是应该了解的，那就是可哈希（hashable）。官方的术语介绍如下：一个对象的哈希值如果在其生命周期内绝不改变，就被称为 可哈希 （它需要具有 __hash__() 方法），并可以同其他对象进行比较（它需要具有 __eq__() 方法）。可哈希对象必须具有相同的哈希值比较结果才会相同。可哈希性使得对象能

前言本文记录了我在python编程中遇到的各种小问题，持续更新。1. x = x + 1 VS x += 1辨析下面这两段代码：>>> x = y = [1, 2, 3, 4]>>> x += [4]>>> x[1, 2, 3, 4, 4]>>> y[1, 2, 3, 4, 4]>>> x = y = [1, 2, 3, 4]>>> x = x + [4]>>&g

哈希表（Hash table，也叫散列表），是根据键（Key）而直接访问数据在内存中的储存位置（又叫做存储桶，Buckets）的数据结构。也就是说，它通过计算一个关于键值的函数（哈希函数，Hash function，也叫散列函数），将所需查询的数据映射到表中一个位置来访问记录，这加快了查找速度，存放记录的数组就叫做哈希表。最直观的例子，我们的手机通讯录中，如果王某某的电话号码是12345678910，我们只需要记个王某某：12345678910，以后直接找王某某就可以找到他的电话号码了。哈希表可以在O(1)

如果只是前中后序遍历的其中一种，是不可能唯一确定一个二叉树的，必须是其中两个的结合，由此便产生了三道题目，在这里可以全部秒杀。需要记住的要点是：前序（根左右）——第一个节点一定是根节点；中序（左根右）——根节点左边一定是左子树，右边一定是右子树；后序（左右根）——最后一个节点一定是根节点。树节点类定义如下：class TreeNode: def __init__(self, val=0, left=None, right=None): self.val = val