数据结构与算法04-算法刷题-数组部分

无论概念看的有多少,都需要自己实战。刷题的过程并不是一个研究的过程,而是更好的理解人作为机器的计算方式,emmm其实是让人变得更像计算器并找到一些计算机式的便捷思考方式。扯的远了,数组作为一种比较基本的数据结构方式,常见的算法技巧有排序算法、二分查找、双指针、滑动窗口

数据结构与算法01- 向量 | 列表 | 栈和队列

0x01 数组排序

1.1 冒泡排序

1
2
3
4
5
6
7
8
9
10
11
12
13
14
def bubbleSort(arr):
# 冒泡排序的思想
# 相邻元素之间的比较和变换,将值较小的元素逐步从后面移到前面,值较大的元素从前面移到后面
#
# 冒泡排序的步骤
# 逐步将i和i+1元素相比较,如果大小不合适则交换,这样重复一次可以保证下标为n的值最大
# 之后对n-2元素重复操作,一直到排序结束
#
for i in range(len(arr)):
for j in range(len(arr)-i-1):
if arr[j]>arr[j+1]:
arr[j],arr[j+1]=arr[j+1],arr[j]

return arr

1.2 选择排序

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
def selectSort(arr):
# 选择排序的思想
# 每一次排序中,从剩余未排序元素中选择一个最小的元素,未排好序的元素最前面的那个元素交换位置
#
# 选择排序算法步骤
# 在算法中设置整型变量i,既可以作为排序树木的计算、同时i也作为执行第i次排序的时候,参加排序的后n-i+1元素的位置
# 整型变量 min_i记录最小元素的下标
# 结束之中交换两者之间的顺序
for i in range(len(arr)-1):
min_i=i
for j in range(i+1,len(arr)):
if arr[j]<arr[min_i]:
min_i=j

if i!=min_i:
arr[i],arr[min_i]=arr[min_i],arr[i]

return arr

1.3 插入排序

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
def insertSort(arr):
# 插入排序的基本思想
# 每一次排序中,将剩余无序列序列的第一个元素,插入到有序序列的适当位置上
#
# 插入排序的基本步骤
# 将第一个元素看作一个有序序列
# 从头到尾扫描无序序列,将扫描到的每个元素插入到有序序列的适当位置上
for i in range(1,len(arr)):
temp=arr[i]
j=i
# 0-(i-1)都是有序数组
while j>0 and arr[j-1]>temp:
arr[j]=arr[j-1]
# 因为肯定需要移动一个位置
j-=1
arr[j]=temp

return arr

1.4 希尔排序(没搞懂干什么)

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
def shellSort(arr):
# 希尔排序的基本思想
# 按照一定的间隔取值划分为若干个子序列,每个子序列按照插入排序,然后逐渐缩小间隔进行
# 下一轮划分子序列和插入排序,一直到最后一轮排序间隔为1
#
# 希尔排序是在插入排序的基础上进行改进的,因为我们可以看出插入排序在已经排好序的效率非常高
# 但是插入排序效率比较低的原因是每次只能将数据移动以为
#
# 希尔排序的算法步骤
# 1. 确定元素间隔Gap,将序列按照1开始划分为若干个子序列,之间元素的间隔为一个gap
# 2. 减少间隔数,并重新将整个序列按照新的间隔数分成若干个子序列,并对每个子序列进行排序
#
#
size=len(arr)
gap=size//2

while gap>0:
for i in range(gap,size):
temp=arr[i]
j=i
while j>=gap and arr[j-gap]>temp:
arr[j]=arr[j-gap]
j-=gap
arr[j]=temp
gap=gap//2
return arr

1.5 归并排序(很喜欢的排序)

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
def mergeSort(arr):
# 归并排序的基本思想:
# 采用经典的分治策略,先递归将当前序列平均分成两半,然后将有序序列合并,最终合并成一个有序序列
#
# 【算法步骤】
# 1. 将数组中的所有数据堪称n有序的子序列
# 2. 将当前序列组中的有序序列两两归并,完成一遍之后序列组里的排序序列的个数减版,每个子序列的长度加倍
# 3. 重复上述操作得到一个长度为n的有序序列
#
def merge(left_arr,right_arr):
arr=[]
while left_arr and right_arr:
if left_arr[0]<=right_arr[0]:
arr.append(left_arr.pop(0))
else:
arr.append(right_arr.pop[0])

while left_arr:
arr.append(left_arr.pop(0))

while right_arr:
arr.append(right_arr.pop(0))

return arr

size =len(arr)

# 边界情况
if size<2:
return arr

mid =size//2

left_arr,right_arr=arr[0:mid],arr[mid:]
return merge(mergeSort(left_arr),mergeSort(right_arr))

1.6 快速排序(第二喜欢)

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
def quickSort(arr,low,high):
# 快速排序,排序的边界条件 low比high小

def resort(arr,low,high):
# 这里的数组中,目标数已经放到的最右边
# 现在需要把大于目标值的数据放到右边

flag=low-1

for j in range(low,high+1):
# 双指针
if arr[j]<=arr[high]:
flag+=1
arr[flag],arr[j]=arr[j],arr[flag]

return flag


def random_index(arr,low,high):
# 当然还需要进行一些小的操作
index=(low+high)//2

# 默认左边都是最小的
arr[index],arr[high]=arr[high],arr[index]
return resort(arr,low,high)

if low<high:
# 每次按照队列排序
# 需要返回标杆的下标
index =random_index(arr,low,high)

# 之后还需要继续分解
quickSort(arr,low,index-1)
quickSort(arr,index+1,high)
return arr

1.7 堆排序(没看懂,感觉太难了)

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
def heapSort(arr):
# 借用堆结构所设计的排序算法,将数组转换为大顶堆,重复从大顶堆中取出数值最大的节点,并让剩余的堆维持大顶堆的性质
#
# 【堆的定义】
# 大顶堆,根节点值大于子节点值
# 小顶堆,根节点值小于等于子节点值
#
# 【算法步骤】
# 1. 首先将无序序列构造成第1个大顶堆,使得m个元素的最大值在序列的第一个值
# 2. 交换序列的最大值元素与最后一个元素的位置
# 3. 将前面n-1元素组成的序列调整称为一个新的大顶堆,这样得到第2个最大值元素
# 4. 如此循环下去,知道称为一个有序序列
#
arrLen =len(arr)

def heapify(arr,i):
left=2*i+1
right=2*i+2
largest=i
if left<arrLen and arr[left]>arr[largest]:
largest=left
if right<arrLen and arr[right]>arr[largest]:
largest=right

if largest!=i:
arr[i],arr[largest]=arr[largest],arr[i]
heapify(arr,largest)
print(arr)

def buileMaxHeap(arr):
for i in range(len(arr)//2,-1,-1):
heapify(arr,i)

buileMaxHeap(arr)
print('buil')
for i in range(arrLen-1,0,-1):
arr[0],arr[i]=arr[i],arr[0]
arrLen-=1
heapify(arr,0)

return arr

1.8 计数排序(没意思)

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
def countingSort(arr):
# 【基本思想】
# 使用一个额外的数组counts,其中counts元素是排序数组中arr等于i的个数
# 根据数组counts来将arr的元素排列到正确位置
min_arr,max_arr=min(arr),max(arr)

counts =[0 for _ in range(max_arr-min_arr+1)]

for num in arr:
counts[num-min_arr]+=1

for j in range(1,max_arr-min_arr+1):
counts[j]+=counts[j-1]

res=[0 for _ in range(len(arr))]
for i in range(len(arr)-1,-1,-1):
res[counts[arr[i]-min_arr]-1]=arr[i]
counts[arr[i]-min_arr]-=1
return res

1.9 基数排序(很有意思,注意有负数的情况)

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
def raidxSort(arr):
# 基数排序radix sort【基本思想】
# 将整数按照位切割称为不同的数字,然后按照个位数来从小到达进行排列
# 注意这个排序方式是先比较个位数,然后逐渐向高位数

# 首先需要了解到基数排序中最大位数
max_radix=0
for num in arr:
if num>0:
temp=len(str(num))
if max_radix<temp:
max_radix=temp
else:
temp=len(str(num))-1
if max_radix<temp:
max_radix=temp

for radix in range(max_radix):
# 从最低位到最高位开始计算
# 按照位数来生成
buckets=[[] for _ in range(10)]
# 按照个位数,放到每个篮子,再按照十位数放到篮子
for num in arr:
# 提取radix对应的位数,0代表个位
# 这里使用转换为字符串的方式来方便理解

if len(str(abs(num)))<(radix+1):
# 位数不够的时候,说明这个位置没有0,就需要放到第一格
buckets[0].append(num)
else:
index=str(abs(num))[len(str(abs(num)))-1-radix]
buckets[int(index)].append(num)
# 提取到buckets之后需要重新解析arr中
arr.clear()
for bukcet in buckets:
for num in bukcet:
arr.append(num)
neg_arr=[]
pos_arr=[]

for num in arr:
if num>0:
pos_arr.append(num)
else:
neg_arr.append(num)
return neg_arr[::-1]+pos_arr

1.10 桶排序(听着就没意思)

跳过

排序相关的题目:

189 轮转数组

66 加一

724 寻找数组中心下标

485 最大连续1的个数

238除自身以外乘积

498对角线遍历

48旋转图像

118 杨辉三角

119 杨辉三角2

73矩阵置零

54螺旋数组

59 螺旋数组2

移动零

215数组第K大元素

75颜色分类

506 相对名次

912排序数组

88合并两个有序数组

169 多数元素

最大间距

0x02 二分查找

注意二分查找不同边界条件可以求解不同的问题,可以简单的查找数组中存在元素的位置,也可以查找第一个大于等于数组的下标,也可以查找最后一个小于等于该数据的下标,也可以查询相关的元素的值

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
73
74
75
76
77
# ====================================================================#
# ==========================二分查找====================================#
#
# 【算法概述】
# 确定待查找元素所在的区间范围,再逐步缩小范围,直到找到元素或者找不到该元素为止
#
# 【算法思想】
# 经典的减而治之的思想,减小问题规模来解决问题,每一次查找排除掉一定不存在目标元素的
# 区间,在剩下可能存在的目标元素的区间中继续查找,每一次通过一些条件判断,将待搜索的
# 区间逐渐缩小,来达到减少问题规模的目的
#
# 【算法过程】
# 1. 每次查找从数组的中间元素开始,如果中间元素正好是查找的元素,则搜索过程结束
# 2. 如果特定元素大于或者小于中间元素,则在大于或者小于的元素中查找
# 3. 如果在某一步骤数组为空则代表找不到
#
# 【算法重点】
# 1. 区间的开闭问题?
# 2. mid的取值问题
# 3. 出界条件的判断?
# 4. 搜索区间的范围选择问题?
# =====================================================================#
#

def baseBinarySearch(nums,target):
# nums是一个升序
# 存在下标就返回
# 不存在就返回-1
# 因为要返回下标,所以采用index采用
left=0
right=len(nums)-1
#=========================================#
# 【二分查找的开闭问题】
# 第一种:左闭右闭,区间中所有的点都可以得到
# 第二种:左闭右开,右边界的点不能被取到
#=========================================#

while(left<=right):
#=========================================#
# 【出界条件的判断】
# left<=right
# 说明查找的元素不存在
# left<right
# 此时查找的区间不
#
#=========================================#
mid=(left+right)//2
#=========================================#
# 【MID的取值问题】
# 第一种:(left+right)//2
# 第二种:left+(right-left)//2
# 前者是常见写法,后者是为了防止整型溢出。//2的代表的中间数是向下取整
# 同时这种倾向于寻找左边的数组,这里可以选择
# mid=(left+right+1)//2或者mid=left(right-left+1)//2
# 同时这里的查找过成功1/2,也可以选择靠左一点、或者靠右一点
# 从一般的意义上来说,趣中间位置元素在平均意义中达到的效果最好
#=========================================#
if nums[mid]<target:
#=========================================#
# 【搜索区间的选择】
# 直接法,在循环体中元素之间返回
# 排除法,在循环体中排出目标元素一定不存在区间
#=========================================#

# 说明target在右边
left=mid+1
elif nums[mid]>target:
# 说明target在左边
right=mid-1
else:
return mid

return -1

nums=[1,1,2,3,4,44]
target=4
# print(baseBinarySearch(nums,target))

704 二分查找

374 猜数字大小

35 搜索插入位置

34 排序数组中查找元素的第一个和最后一个元素

167两数之和

153 寻找旋转数组最小值

74 搜索二维矩阵

x的平方根

0x3 双指针

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
# ====================================================================#
# ==========================数组双指针====================================#
#
# 【算法概述】
# 在遍历元素的过程中,不是使用单个指针进行访问,而是使用双指针来访问达到目的
#
# 【算法思想】
# 根据指针的方向,可以分为
# 对撞指针:两个指针的方向相反
# 快慢指针:指针方向相同
# 分离双指针:如果两个指针分别属于不同的数组或者链表
#
# =====================================================================#
#
def threeSum(nums):
res=[]
def twoSum(arr,target):
left=0
print(arr)
print(target)
right=len(arr)-1

while(left<right):
temp_sum=arr[left]+arr[right]
if temp_sum==target:
res.append([target*(-1),arr[left],arr[right]])
left+=1
right-=1
elif temp_sum<target:
left+=1
elif temp_sum>target:
right-=1
nums.sort()

for i in range(len(nums)):
if nums[i]>0:
break
if i>0 and nums[i]==nums[i-1]:
continue
twoSum(nums[i+1:],(-1)*nums[i])
return res
nums = [-1,0,1,2,-1,-4]
# print(threeSum(nums))
#
#

167 两数之和

344 反转字符串

345反转字符串中的元音字母

11 最多的容器

15三数之和

16最接近的三数之和

0x04 滑动窗口

下周任务

0x05

简单题中也会蕴含着一些基本的操作

比如设置一些标志位、边界条件的设计、辅助元素的设置,这些需要潜移默化的刷题的过程中才能看到


数据结构与算法04-算法刷题-数组部分
https://blog.tjdata.site/posts/ee1b4739.html
作者
chenxia
发布于
2022年7月3日
许可协议