weixin_44681349的博客

动态规划优化算法

动态规划刷题上

递推算法刷题

红黑树下

红黑树刷题上

AVL树刷题

单调栈刷题

单调队列刷题

深度遍历和广度遍历

哈希表刷题

二分刷题

排序算法刷题

归并刷题

快排

并查集

堆进阶刷题

堆

树结构进阶刷题

树基础刷题

栈和递归刷题

栈刷题操作

任务队列刷题

队列封装刷题

链表复习

leetcode 链表反转

链表删除刷题

链表刷题2

链表刷题算法

队列队列抽象数据类型由下面的结构和操作定义。如前所述，队列是元素的有序集合，添加操作发生在其尾部，移除操作则发生在头部。队列的操作顺序是 FIFO，它支持以下操作。 Queue()创建一个空队列。它不需要参数，且会返回一个空队列。 enqueue(item)在队列的尾部添加一个元素。它需要一个元素作为参数，不返回任何值。 dequeue()从队列的头部移除一个元素。它不需要参数，且会返回一个元素，并修改队列的内容。 isEmpty()检查队列是否为空。它不需要参数，且会返回一个布尔值。

栈栈抽象数据类型由下面的结构和操作定义。如前所述，栈是元素的有序集合，添加操作与移除操作都发生在其顶端。栈的操作顺序是 LIFO，它支持以下操作。 Stack()创建一个空栈。它不需要参数，且会返回一个空栈。 push(item)将一个元素添加到栈的顶端。它需要一个参数 item，且无返回值。 pop()将栈顶端的元素移除。它不需要参数，但会返回顶端的元素，并且修改栈的内容。 peek()返回栈顶端的元素，但是并不移除该元素。它不需要参数，也不会修改栈的内容。 isEmpty()检查

二叉树的层序遍历leetcode 地址思路：广度优先搜索本题，我们使用广度优先搜索的思路来解决。广度优先搜索（BFS），它是按照层进行搜索的。题目中要求，按层序遍历得到所需的节点。那么这里就跟 BFS 访问的方式吻合。在这里，我们借助队列，保存每层的所有节点，然后每次把队列里所有的节点都进行出队操作。出队这里需要注意，保存每层所有节点的时候，这里先可以标记每层的节点数，那么在出队的时候，循环遍历的次数就等于当前层数的节点数。此时遍历每层节点时，如果当前节点的左右节点非空时，再次加入队列。循环操作

图与图遍历# -*- coding: utf-8 -*-from collections import dequeGRAPH = { 'A': ['B', 'F'], 'B': ['C', 'I', 'G'], 'C': ['B', 'I', 'D'], 'D': ['C', 'I', 'G', 'H', 'E'], 'E': ['D', 'H', 'F'], 'F': ['A', 'G', 'E'], 'G': ['B', 'F', 'H

堆与堆排序# -*- coding:utf-8 -*-# 第二章拷贝的 Array 代码class Array(object): def __init__(self, size=32): self._size = size self._items = [None] * size def __getitem__(self, index): return self._items[index] def __setitem__

二叉查找树# -*- coding: utf-8 -*-class BSTNode(object): def __init__(self, key, value, left=None, right=None): self.key, self.value, self.left, self.right = key, value, left, rightclass BST(object): def __init__(self, root=None):

树与二叉树# -*- coding: utf-8 -*-from collections import dequeclass Queue(object): # 借助内置的 deque 我们可以迅速实现一个 Queue def __init__(self): self._items = deque() def append(self, value): return self._items.append(value) def pop(s

哈希表# -*- coding: utf-8 -*-# 从数组和列表章复制的代码class Array(object): def __init__(self, size=32, init=None): self._size = size self._items = [init] * size def __getitem__(self, index): return self._items[index] def __se

队列# -*- coding: utf-8 -*-# NOTE: 从 array_and_list 第一章拷贝的代码class Array(object): def __init__(self, size=32): self._size = size self._items = [None] * size def __getitem__(self, index): return self._items[index] de

链表# -*- coding: utf-8 -*-class Node(object): def __init__(self, value=None, next=None): # 这里我们 root 节点默认都是 None，所以都给了默认值 self.value = value self.next = next def __str__(self): """方便你打出来调试，复杂的代码可能需要断点调试""" retu

数组和列表# -*- coding: utf-8 -*-# https://docs.python.org/2/library/array.htmlfrom array import array # python 提供的比较原始的 array 类arr = array('u', 'asdf')print(arr[0], arr[1], arr[2], arr[3])# 实现定长的 Array ADT，省略了边界检查等class Array(object): def __

链表火车由一节节车厢串联构成，除了火车头，每节车厢都紧紧地连接着前一节车厢，并且每节车厢都能载人或者货物。有种数据结构和火车的结构非常相似，那就是 链表。我们把链表想象成火车，火车头便是链表的表头，每节车厢就是链表的元素，车厢里载的人和物就是元素的数据域，连接车厢的部件就是元素的指针。由此，我们可以得出链表的一个特点：元素之间前后依赖，串联而成。还有，我们可以发现，链表的元素不能随机访问。想象下，在高速运行的火车上，如果我们想从车头到达某个车厢，是不是只能挨个车厢走过去，而不能直接到达目标车厢。另外