9.python 回文数

该篇博客介绍了一个Python代码实现,用于判断输入的整数是否为回文数。通过将整数转换为字符串并比较其与反转后的字符串是否相等,来确定该数是否为回文。代码简洁明了,适用于基础的字符串操作和回文数判断问题。

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

题目:是回文数就返回True,不是返回False。

解题思路:将整数x变成字符串x,判断x与逆序的x是否相等,相等的话,就是回文数,否则就不是回文数。

字符串、列表支持切片。切片语法:[起始:结束:步长],步长默认为1,可为负数,切片区间左闭右开

代码:

# -*- coding: utf-8 -*-
# @Author  : Liqiju
# @Time    : 2022/2/23 16:45
# @File    : algorithm_test.py
# @Software: PyCharm 
class Solution:
    def isPalindrome(self, x: int) -> bool:
        x = str(x) #转字符串
        if x == x[::-1]: #字符串切片的语法,这里的意思是反转
            return True
        else:
            return False
s = Solution()
print(s.isPalindrome(123321))

输出:

D:\Users\PycharmProjects\kye\venv\Scripts\python.exe D:/Users/PycharmProjects/kye/api_execl/algorithm_test.py
True

Process finished with exit code 0

### Python 实现最长回文子串算法 #### 方法一:暴力搜索法 暴力搜索法通过遍历所有可能的子串并检查其是否为回文来解决问题。这种方法简单直观,但时间复杂度较高。 ```python def longestPalindrome_brute_force(s): def is_palindrome(substring): return substring == substring[::-1] n = len(s) max_len = 0 start = 0 for i in range(n): for j in range(i, n): if is_palindrome(s[i:j+1]) and (j - i + 1) > max_len: max_len = j - i + 1 start = i return s[start:start + max_len] ``` 此方法的时间复杂度为 O(n³)[^1]。 #### 方法二:动态规划法 动态规划法利用了回文的特点——如果一个字符串是回文,则去掉两端字符后的部分仍然是回文。这使得可以通过构建二维表的方式优化查找过程。 ```python def longestPalindrome_dp(s): n = len(s) dp = [[False] * n for _ in range(n)] start = 0 maxLength = 1 for i in range(n): dp[i][i] = True for cl in range(2, n + 1): for i in range(n - cl + 1): j = i + cl - 1 if s[i] == s[j] and cl == 2: dp[i][j] = True elif s[i] == s[j]: dp[i][j] = dp[i + 1][j - 1] if dp[i][j] and cl > maxLength: start = i maxLength = cl return s[start:start + maxLength] ``` 该方法的时间复杂度为 O(n²)[^2]。 #### 方法三:中心扩展法 中心扩展法则基于这样一个事实:任何长度大于等于3的回文都至少有一个中心位置。可以从每个潜在的中心向两侧扩散直到遇到不匹配为止。 ```python def expand_around_center(s, left, right): L, R = left, right while L >= 0 and R < len(s) and s[L] == s[R]: L -= 1 R += 1 return R - L - 1 def longestPalindrome_expand(s): if not s or len(s) < 1: return "" start = end = 0 for i in range(len(s)): len1 = expand_around_center(s, i, i) len2 = expand_around_center(s, i, i + 1) maxLen = max(len1, len2) if maxLen > end - start: start = i - (maxLen - 1) // 2 end = i + maxLen // 2 return s[start:end + 1] ``` 此方法同样具有较好的性能表现,在实际应用中往往能取得接近线性级别的效率[^4]。 #### 方法四:Manacher算法 Manacher算法是一种专门针对这个问题设计的有效解决方案,能够在O(n)时间内完成计算。它通过对原始字符串预处理以及巧妙地维护辅助数组实现了这一目标。 ```python def preprocess_string(s): if not s: return "^$" result = ["^"] for char in s: result.append("#") result.append(char) result.append("#$") return &#39;&#39;.join(result) def manachers_algorithm(s): T = preprocess_string(s) P = [0] * len(T) C = R = 0 for i in range(1, len(T)-1): mirr = 2*C - i if R > i: P[i] = min(R-i, P[mirr]) while T[i+(P[i]+1)] == T[i-(P[i]+1)]: P[i] += 1 if i + P[i] > R: C = i R = i + P[i] maxLen = 0 centerIndex = 0 for i in range(1, len(P)-1): if P[i] > maxLen: maxLen = P[i] centerIndex = i startIndex = (centerIndex - maxLen) // 2 return s[startIndex:startIndex + maxLen] ``` 上述四种方法各有优劣之处,具体选择取决于应用场景和个人偏好。其中Manacher算法由于其优秀的时空特性而被广泛推荐用于解决此类问题[^3]。
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

打赏作者

软件测试李同学

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
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