- 排序实现
有一组“+”和“-”符号，要求将“+”排到左边，“-”排到右边，写出具体的实现方法。
答:
如果让+等于 0，-等于 1 不就是排序了么
from collections import deque from timeit import Timer s = "++++++----+++----" # 方法一 def func1(): new_s = s.replace("+", "0").replace("-", "1") result = "".join(sorted(new_s)).replace("0", "+").replace("1", "-") return result # 方法二 def func2(): q = deque() left = q.appendleft right = q.append for i in s: if i == "+": left("+") elif i == "-": right("-") # 方法三 def func3(): data = list(s) start_index = 0 end_index = 0 count = len(s) while start_index + end_index < count: if data[start_index] == '-': data[start_index], data[count - end_index - 1] = data[count - end_index - 1], data[start_index] end_index += 1 else : start_index += 1 return "".join(data) if name == '__main__': timer1 = Timer("func1()", "from main import func1") print("func1", timer1.timeit(1000000)) timer2 = Timer("func2()", "from main import func2") print("func2", timer2.timeit(1000000)) timer3 = Timer("func3()", "from main import func3") print("func3", timer3.timeit(1000000)) # 1000000 测试结果 # func1 1.39003764 # func2 1.593012875 # func3 3.3487415590000005 # func1 的方式最优，其次是 func2
- 单链表反转
答:
单链表反转
class Node: def init__(self, val=None): self.val = val self.next = None class SingleLinkList: def __init__(self, head=None): """链表的头部""" self._head = head def add(self, val:int): """ 给链表添加元素 :param val: 传过来的数字 :return: """ # 创建一个节点 node = Node(val) if self._head is None: self._head = node else : cur = self._head while cur.next is not None: cur = cur.next # 移动游标 cur.next = node # 如果 next 后面没了证明以及到最后一个节点了 def traversal(self): if self._head is None: return else : cur = self._head while cur is not None: print(cur.val) cur = cur.next def size(self): """ 获取链表的大小 :return: """ count = 0 if self._head is None: return count else : cur = self._head while cur is not None: count += 1 cur = cur.next return count def reverse(self): """ 单链表反转 思路: 让 cur.next 先断开即指向 none，指向设定 pre 游标指向断开的元素，然后 cur.next 指向断开的元素，再把开始 self._head 再最后一个元素的时候. :return: """ if self._head is None or self.size() == 1: return else : pre = None cur = self._head while cur is not None: post = cur.next cur.next = pre pre = cur cur = post self._head = pre # 逆向后的头节点 if __name == '__main__': single_link = SingleLinkList() single_link.add(3) single_link.add(5) single_link.add(6) single_link.add(7) single_link.add(8) print("对链表进行遍历") single_link.traversal() print(f"size:{single_link.size()}") print("对链表进行逆向操作之后") single_link.reverse() single_link.traversal()
- 交叉链表求交点
答:
Definition for singly-linked list. class ListNode: def __init__(self, x): self.val = x self.next = None class Solution: def getIntersectionNode(self, headA, headB): """ :tye head1, head1: ListNode :rtye: ListNode """ if headA is not None and headB is not None: cur1, cur2 = headA, headB while cur1 != cur2: cur1 = cur1.next if cur1 is not None else headA cur2 = cur2.next if cur2 is not None else headB return cur1
cur1、cur2，2 个指针的初始位置是链表 headA、headB 头结点，cur1、cur2 两个指针一直往后遍历。直到 cur1 指针走到链表的末尾，然后 cur1 指向 headB；直到 cur2 指针走到链表的末尾，然后 cur2 指向 headA；然后再继续遍历。
每次 cur1、cur2 指向 None，则将 cur1、cur2 分别指向 headB、headA。循环的次数越多，cur1、cur2 的距离越接近，直到 cur1 等于 cur2。则是两个链表的相交点。
- 用队列实现栈 ww
答:
下面代码分别使用1个队列和2个队列实现了栈。
from queue import Queue # 使用 2 个队列实现 class MyStack: def init__(self): """ Initialize your data structure here. """ # q1 作为进栈出栈，q2 作为中转站 self.q1 = Queue() self.q2 = Queue() def push(self, x): """ Push element x onto stack. :type x: int :rtype: void """ self.q1.put(x) def pop(self): """ Removes the element on top of the stack and returns that element. :rtype: int """ while self.q1.qsize() > 1: self.q2.put(self.q1.get()) # 将 q1 中除尾元素外的所有元素转到 q2 中 if self.q1.qsize() == 1: res = self.q1.get() # 弹出 q1 的最后一个元素 self.q1, self.q2 = self.q2, self.q1 # 交换 q1,q2 return res def top(self): """ Get the top element. :rtype: int """ while self.q1.qsize() > 1: self.q2.put(self.q1.get()) # 将 q1 中除尾元素外的所有元素转到 q2 中 if self.q1.qsize() == 1: res = self.q1.get() # 弹出 q1 的最后一个元素 self.q2.put(res) # 与 pop 唯一不同的是需要将 q1 最后一个元素保存到 q2 中 self.q1, self.q2 = self.q2, self.q1 # 交换 q1,q2 return res def empty(self): """ Returns whether the stack is empty. :rtype: bool """ return not bool(self.q1.qsize() + self.q2.qsize()) # 为空返回 True，不为空返回 False # 使用 1 个队列实现 class MyStack2(object): def __init__(self): """ Initialize your data structure here. """ self.sq1 = Queue() def push(self, x): """ Push element x onto stack. :type x: int :rtype: void """ self.sq1.put(x) def pop(self): """ Removes the element on top of the stack and returns that element. :rtype: int """ count = self.sq1.qsize() if count == 0: return False while count > 1: x = self.sq1.get() self.sq1.put(x) count -= 1 return self.sq1.get() def top(self): """ Get the top element. :rtype: int """ count = self.sq1.qsize() if count == 0: return False while count: x = self.sq1.get() self.sq1.put(x) count -= 1 return x def empty(self): """ Returns whether the stack is empty. :rtype: bool """ return self.sq1.empty() if __name == '__main__': obj = MyStack2() obj.push(1) obj.push(3) obj.push(4) print(obj.pop()) print(obj.pop()) print(obj.pop()) print(obj.empty())
- 找出数据流的中位数
答:
对于一个升序排序的数组，中位数为左半部分的最大值，右半部分的最小值，而左右两部分可以是无需的，只要保证左半部分的数均小于右半部分即可。因此，左右两半部分分别可用最大堆、最小堆实现。
如果有奇数个数，则中位数放在左半部分；如果有偶数个数，则取左半部分的最大值、右边部分的最小值之平均值。分两种情况讨论:
当目前有偶数个数字时，数字先插入最小堆，然后选择最小堆的最小值插入最大堆(第一个数字插入左半部分的最小堆）。当目前有奇数个数字时，数字先插入最大堆，然后选择最大堆的最大值插入最小堆。
最大堆:根结点的键值是所有堆结点键值中最大者，且每个结点的值都比其孩子的值大。
最小堆:根结点的键值是所有堆结点键值中最小者，且每个结点的值都比其孩子的值小。
-- coding:utf-8 -- from heapq import * class Solution: def init__(self): self.maxheap = [] self.minheap = [] def Insert(self, num): if (len(self.maxheap) + len(self.minheap)) & 0x1: # 总数为奇数插入最大堆 if len(self.minheap) > 0: if num > self.minheap[0]: # 大于最小堆里的元素 heappush(self.minheap, num) # 新数据插入最小堆 heappush(self.maxheap, -self.minheap[0]) # 最小堆中的最小插入最大堆 heappop(self.minheap) else : heappush(self.maxheap, -num) else : heappush(self.maxheap, -num) else : # 总数为偶数 插入最小堆 if len(self.maxheap) > 0: # 小于最大堆里的元素 if num < -self.maxheap[0]: heappush(self.maxheap, -num) # 新数据插入最大堆 heappush(self.minheap, -self.maxheap[0]) # 最大堆中的最大元素插入最小堆 heappop(self.maxheap) else : heappush(self.minheap, num) else : heappush(self.minheap, num) def GetMedian(self, n=None): if (len(self.maxheap) + len(self.minheap)) & 0x1: mid = self.minheap[0] else : mid = (self.minheap[0] - self.maxheap[0]) / 2.0 return mid if __name == '__main__': s = Solution() s.Insert(1) s.Insert(2) s.Insert(3) s.Insert(4) print(s.GetMedian())
- 二叉搜索树中第K小的元素
答:
二叉搜索树(BinarySearchTree)，又名二叉排序树(BinarySortTree)。二叉搜索树是具有有以下性质的二叉树:
若左子树不为空，则左子树上所有节点的值均小于或等于它的根节点的值。
若右子树不为空，则右子树上所有节点的值均大于或等于它的根节点的值。
左、右子树也分别为二叉搜索树。二叉搜索树按照中序遍历的顺序打印出来正好就是排序好的顺序。所以对其遍历一个节点就进行计数，计数达到k的时候就结束。
class TreeNode: def __init__(self, x): self.val = x self.left = None self.right = None class Solution: count = 0 nodeVal = 0 def kthSmallest(self, root, k): """ :type root: TreeNode :type k: int :rtype: int """ self.dfs(root, k) return self.nodeVal def dfs(self, node, k): if node != None: self.dfs(node.left, k) self.count = self.count + 1 if self.count == k: self.nodeVal = node.val # 将该节点的左右子树置为 None,来结束递归，减少时间复杂度 node.left = None node.right = None self.dfs(node.right, k)
更多 Python 编程常见面试题，我们后续继续分享，敬请关注。