代码随想录算法训练营Day35 | 435. 无重叠区间、763.划分字母区间、56. 合并区间 | Python | 个人记录向

server/2024/9/23 9:37:10/

本文目录

  • 435. 无重叠区间
    • 做题
    • 基于左边界的贪心算法
    • 基于左边界,把452.用最少数量的箭引爆气球代码稍做修改
  • 763.划分字母区间
    • 做题
    • 看文章
  • 56. 合并区间
    • 做题
    • 看文章
  • 以往忽略的知识点小结
  • 个人体会

435. 无重叠区间

代码随想录:435. 无重叠区间
Leetcode:435. 无重叠区间

做题

无思路。

基于左边界的贪心算法

有点难理解,需要仔细琢磨。

python">class Solution:def eraseOverlapIntervals(self, intervals: List[List[int]]) -> int:if not intervals:return 0intervals.sort(key=lambda x: x[0])  # 按照左边界升序排序count = 0  # 记录重叠区间数量for i in range(1, len(intervals)):if intervals[i][0] < intervals[i - 1][1]:  # 存在重叠区间intervals[i][1] = min(intervals[i - 1][1], intervals[i][1])  # 更新重叠区间的右边界count += 1return count

时间复杂度:O(nlog n) ,有一个快排
空间复杂度:O(n),有一个快排,最差情况(倒序)时,需要n次递归调用。因此确实需要O(n)的栈空间

基于左边界,把452.用最少数量的箭引爆气球代码稍做修改

会452题的话,这样看比较好理解。

python">class Solution:def eraseOverlapIntervals(self, intervals: List[List[int]]) -> int:if not intervals:return 0intervals.sort(key=lambda x: x[0])  # 按照左边界升序排序result = 1  # 不重叠区间数量,初始化为1,因为至少有一个不重叠的区间for i in range(1, len(intervals)):if intervals[i][0] >= intervals[i - 1][1]:  # 没有重叠result += 1else:  # 重叠情况intervals[i][1] = min(intervals[i - 1][1], intervals[i][1])  # 更新重叠区间的右边界return len(intervals) - result

763.划分字母区间

代码随想录:763.划分字母区间
Leetcode:763.划分字母区间

做题

思路:先遍历一遍,保存各字母的频次;再遍历一次,实时记录当前各字母的频次,当各字母频次均达上限时,才能跳入下一个字母区间。

看文章

可以分为如下两步:

  1. 统计每一个字符最后出现的位置
  2. 从头遍历字符,并更新字符的最远出现下标,如果找到字符最远出现位置下标和当前下标相等了,则找到了分割点

自己动手实现一下:

python">class Solution:def partitionLabels(self, s: str) -> List[int]:pos_right = [0] * 26for i in range(len(s)):cur = ord(s[i]) - ord('a')pos_right[cur] = max(i, pos_right[cur])right = 0res = []count = 0for i in range(len(s)):cur = ord(s[i]) - ord('a')right = max(right, pos_right[cur])count += 1if i == right:res.append(count)count = 0right = i+1return res

上述是用数组储存,也可以用hash表存储。具体如下:

python">class Solution:def partitionLabels(self, s: str) -> List[int]:last_occurrence = {}  # 存储每个字符最后出现的位置for i, ch in enumerate(s):last_occurrence[ch] = iresult = []start = 0end = 0for i, ch in enumerate(s):end = max(end, last_occurrence[ch])  # 找到当前字符出现的最远位置if i == end:  # 如果当前位置是最远位置,表示可以分割出一个区间result.append(end - start + 1)start = i + 1return result

时间复杂度:O(n)
空间复杂度:O(1),使用的hash数组是固定大小

56. 合并区间

代码随想录:56. 合并区间
Leetcode:56. 合并区间

做题

有点类似射箭,排序后,对重叠的区间求并集即可。

python">class Solution:def merge(self, intervals: List[List[int]]) -> List[List[int]]:intervals.sort(key=lambda x:x[0])left = intervals[0][0]right = intervals[0][1]res = []for i in range(1, len(intervals)):if intervals[i][0] <= right and intervals[i][1] >= left:left = min(intervals[i][0], left)right = max(intervals[i][1], right)else:res.append([left, right])left = intervals[i][0]right = intervals[i][1]res.append([left, right])return res

时间复杂度: O(nlogn)
空间复杂度: O(logn),排序需要的空间开销

看文章

思路大体一致,处理细节有不同,代码如下:

python">class Solution:def merge(self, intervals):result = []if len(intervals) == 0:return result  # 区间集合为空直接返回intervals.sort(key=lambda x: x[0])  # 按照区间的左边界进行排序result.append(intervals[0])  # 第一个区间可以直接放入结果集中for i in range(1, len(intervals)):if result[-1][1] >= intervals[i][0]:  # 发现重叠区间# 合并区间,只需要更新结果集最后一个区间的右边界,因为根据排序,左边界已经是最小的result[-1][1] = max(result[-1][1], intervals[i][1])else:result.append(intervals[i])  # 区间不重叠return result

以往忽略的知识点小结

  • 找重叠/不重叠区间,主要是对比当前区间的左边界和上一个区间(可能是变化后)的右边界
  • 划分字母区间:可以用最远字母的index,不需要用频次

个人体会

完成时间:1h20min。
心得:区间的题主要是理解判断思路。


http://www.ppmy.cn/server/39095.html

相关文章

ActiViz中计算图像梯度vtkImageGradient

文章目录 前言一、 vtkImageGradient 类的简单介绍:二、 构造函数和参数:三、 计算图像梯度:四、 梯度方向和大小五、示例演示六、参数调整和优化七、应用实例前言 在图像处理中,梯度算子是一种重要的工具,用于计算图像中每个像素点的梯度信息,梯度算子用于测量图像中像…

【日常开发之插件篇】IDEA plugins 神器助我!!

文章目录 Tabnine 代码自动补全图例 Rainbow Brackets图例 Translation 翻译配置 LombokAlibaba Java Coding Guidelines 阿里巴巴的编码规约检查插件 今早因为老代码的一些bug让我突然觉得Idea的一些插件特别好用&#xff0c;我准备将我平时所用到的一些插件做个推荐以及记录。…

单片机——直流电机

1 .关于4线直流电机 两根12v供电线&#xff0c;通入12v&#xff0c;风扇以最高转速工作。 一根测速线&#xff0c;电机工作时输出测速信号&#xff0c;提供转速反馈。一根PWM控制信号线&#xff0c;电机工作时控制器输入PWM控制信号&#xff0c;以控制风扇转速(通常为占空比可…

各种依赖注入和分层解耦

分层解耦 三层架构 controller:控制层&#xff0c;接收前端发送的请求&#xff0c;对请求进行处理&#xff0c;并响应数据 service:业务逻辑层&#xff0c;处理具体业务的逻辑 dao:数据访问&#xff0c;负责数据访问操作&#xff0c;包括数据的增、删、改、查 流程为&…

Java SpringBoot 动态数据源

1. 原理 动态数据源&#xff0c;本质上是把多个数据源存储在一个 Map 中&#xff0c;当需要使用某一个数据源时&#xff0c;使用 key 获取指定数据源进行处理。而在 Spring 中已提供了抽象类 AbstractRoutingDataSource 来实现此功能&#xff0c;继承 AbstractRoutingDataSour…

如何判断nat网络?如何内网穿透

大家都清楚&#xff0c;如果你想开车&#xff0c;就必须要给车上一个牌照&#xff0c;随着车辆越来越多&#xff0c;为了缓解拥堵&#xff0c;就需要摇号&#xff0c;随着摇号的人数越来越多&#xff0c;车牌对于想开车的人来说已经成为奢望。在如今的IPv4时代&#xff0c;我们…

93、动态规划-最长回文子串

思路 首先从暴力递归开始&#xff0c;回文首尾指针相向运动肯定想等。就是回文&#xff0c;代码如下&#xff1a; public String longestPalindrome(String s) {if (s null || s.length() 0) {return "";}return longestPalindromeHelper(s, 0, s.length() - 1);…

OpenSearch 与 Elasticsearch:7 个主要差异及如何选择

OpenSearch 与 Elasticsearch&#xff1a;7 个主要差异及如何选择 1. 什么是 Elasticsearch&#xff1f; Elasticsearch 是一个基于 Apache Lucene 构建的开源、RESTful、分布式搜索和分析引擎。它旨在处理大量数据&#xff0c;使其成为日志和事件数据管理的流行选择。 Elasti…