leetcode解题思路分析(二十六)187 - 192题

2024-09-05 05:08

本文主要是介绍leetcode解题思路分析(二十六)187 - 192题,希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!

  1. 重复的DNA序列
    编写一个函数来查找 DNA 分子中所有出现超过一次的 10 个字母长的序列(子串)。
class Solution {
public:vector<string> findRepeatedDnaSequences(string s) {//对应二进制00, 01, 10, 11.那么10个组合只要20位就够了。unordered_map<char, int> m{{'A', 0}, {'C', 1}, {'G', 2}, {'T', 3}};vector<string> res;bitset<1 << 20> s1, s2; //那么所有组合的值将在0到(1 << 20 - 1)之间int val = 0, mask = (1 << 20) - 1; //mask等于二进制的20个1//类似与滑动窗口先把前10个字母组合for (int i = 0; i < 10; ++i) val = (val << 2) | m[s[i]];s1.set(val); //置位for (int i = 10; i < s.size(); ++i){val = ((val << 2) & mask) | m[s[i]]; //去掉左移的一个字符再加上一个新字符if (s2.test(val)) continue; //出现过两次跳过if (s1.test(val)){res.push_back(s.substr(i - 9, 10));s2.set(val);}else s1.set(val);}return res;}
};
  1. 买卖股票的最佳时机4
    给定一个数组,它的第 i 个元素是一支给定的股票在第 i 天的价格。
    设计一个算法来计算你所能获取的最大利润。你最多可以完成 k 笔交易。
    注意: 你不能同时参与多笔交易(你必须在再次购买前出售掉之前的股票)。

本题采用动态规划求解,和前面几题的区别在于需要考虑k。如果K比较多支持每天都在买和卖,则直接累加,否则需要考虑哪天卖出最划算

class Solution {
public:int maxProfit(int k, vector<int>& prices) {if(!prices.size()) return 0;if(k >= prices.size()/2){int maxsumval = 0;for(int i = 1; i < prices.size(); i++)if(prices[i] > prices[i - 1])maxsumval += prices[i] - prices[i - 1];return maxsumval;}vector<int> dp(k + 1, 0);vector<int> v(k + 1, prices[0]);for(int i = 1; i < prices.size(); i++){for(int t = 1; t <= k; t++){v[t] = min(v[t], prices[i] - dp[t - 1]);dp[t] = max(dp[t], prices[i] - v[t]);  }} return dp[k];}
};
  1. 旋转数组
    给定一个数组,将数组中的元素向右移动 k 个位置,其中 k 是非负数。

首先将所有元素反转。然后反转前 k 个元素,再反转后面 n-kn−k 个元素,就能得到想要的结果。

class Solution {
public:void rotate(vector<int>& nums, int k) {reverse(nums.begin(), nums.end() - k % nums.size());reverse(nums.end() - k % nums.size(), nums.end());reverse(nums.begin(), nums.end());}
};
  1. 颠倒二进制位
    颠倒给定的 32 位无符号整数的二进制位。

首先,我们将原来的 32 位分为 2 个 16 位的块。
然后我们将 16 位块分成 2 个 8 位的块。
然后我们继续将这些块分成更小的块,直到达到 1 位的块。
在上述每个步骤中,我们将中间结果合并为一个整数,作为下一步的输入。

class Solution {
public:uint32_t reverseBits(uint32_t n) {n = (n >> 16) | (n << 16);n = ((n & 0xff00ff00) >> 8) | ((n & 0x00ff00ff) << 8);n = ((n & 0xf0f0f0f0) >> 4) | ((n & 0x0f0f0f0f) << 4);n = ((n & 0xcccccccc) >> 2) | ((n & 0x33333333) << 2);n = ((n & 0xaaaaaaaa) >> 1) | ((n & 0x55555555) << 1);return n;}
};
  1. 位1的个数
    编写一个函数,输入是一个无符号整数,返回其二进制表达式中数字位数为 ‘1’ 的个数

最简单的方法就是逐位检查

class Solution {
public:int hammingWeight(uint32_t n) {int ret = 0;while(n)        {if (n & 1) ret++;n >>= 1;}return ret;}
};

在二进制表示中,数字 nn 中最低位的 11 总是对应 n - 1n−1 中的 00 。因此,将 nn 和 n - 1n−1 与运算总是能把 nn 中最低位的 11 变成 00 ,并保持其他位不变。


class Solution {
public:int hammingWeight(uint32_t n) {int count = 0;while(n > 0){n &= (n - 1);++count;}return count;}
};
  1. 统计词频
    写一个 bash 脚本以统计一个文本文件 words.txt 中每个单词出现的频率。

本题其实分两步,第一步是单次分割,第二步是将分割的单次进行统计。

单次分割可以使用awk或者catxargs实现

awk '{for(i=1;i<=NF;i++){print $i}}' words.txt cat words.txt | xargs -n1

使用awk命令来完成这个任务的话很简单,在进行分割的过程中直接用一个关联数组直接保存每一个单词出现的次数

awk '{for(i=1;i<=NF;i++){asso_array[$i]++;}};END{for(w in asso_array){print w,asso_array[w];}}' words.txt

使用cat + xargs的话需要使用sort以及uniq实现

cat words.txt | xargs -n1 | sort | uniq -c

最终代码

awk '{for(i=1;i<=NF;i++){asso_array[$i]++;}};END{for(w in asso_array){print w,asso_array[w];}}' words.txt | sort -rn -k2cat words.txt | xargs -n1 | sort | uniq -c | sort -rn | awk '{print $2,$1}'

这篇关于leetcode解题思路分析(二十六)187 - 192题的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!



http://www.chinasem.cn/article/1138029

相关文章

Android 缓存日志Logcat导出与分析最佳实践

《Android缓存日志Logcat导出与分析最佳实践》本文全面介绍AndroidLogcat缓存日志的导出与分析方法,涵盖按进程、缓冲区类型及日志级别过滤,自动化工具使用,常见问题解决方案和最佳实... 目录android 缓存日志(Logcat)导出与分析全攻略为什么要导出缓存日志?按需过滤导出1. 按

Linux中的HTTPS协议原理分析

《Linux中的HTTPS协议原理分析》文章解释了HTTPS的必要性:HTTP明文传输易被篡改和劫持,HTTPS通过非对称加密协商对称密钥、CA证书认证和混合加密机制,有效防范中间人攻击,保障通信安全... 目录一、什么是加密和解密?二、为什么需要加密?三、常见的加密方式3.1 对称加密3.2非对称加密四、

MySQL中读写分离方案对比分析与选型建议

《MySQL中读写分离方案对比分析与选型建议》MySQL读写分离是提升数据库可用性和性能的常见手段,本文将围绕现实生产环境中常见的几种读写分离模式进行系统对比,希望对大家有所帮助... 目录一、问题背景介绍二、多种解决方案对比2.1 原生mysql主从复制2.2 Proxy层中间件:ProxySQL2.3

python使用Akshare与Streamlit实现股票估值分析教程(图文代码)

《python使用Akshare与Streamlit实现股票估值分析教程(图文代码)》入职测试中的一道题,要求:从Akshare下载某一个股票近十年的财务报表包括,资产负债表,利润表,现金流量表,保存... 目录一、前言二、核心知识点梳理1、Akshare数据获取2、Pandas数据处理3、Matplotl

python panda库从基础到高级操作分析

《pythonpanda库从基础到高级操作分析》本文介绍了Pandas库的核心功能,包括处理结构化数据的Series和DataFrame数据结构,数据读取、清洗、分组聚合、合并、时间序列分析及大数据... 目录1. Pandas 概述2. 基本操作:数据读取与查看3. 索引操作:精准定位数据4. Group

MySQL中EXISTS与IN用法使用与对比分析

《MySQL中EXISTS与IN用法使用与对比分析》在MySQL中,EXISTS和IN都用于子查询中根据另一个查询的结果来过滤主查询的记录,本文将基于工作原理、效率和应用场景进行全面对比... 目录一、基本用法详解1. IN 运算符2. EXISTS 运算符二、EXISTS 与 IN 的选择策略三、性能对比

MySQL 内存使用率常用分析语句

《MySQL内存使用率常用分析语句》用户整理了MySQL内存占用过高的分析方法,涵盖操作系统层确认及数据库层bufferpool、内存模块差值、线程状态、performance_schema性能数据... 目录一、 OS层二、 DB层1. 全局情况2. 内存占js用详情最近连续遇到mysql内存占用过高导致

深度解析Nginx日志分析与499状态码问题解决

《深度解析Nginx日志分析与499状态码问题解决》在Web服务器运维和性能优化过程中,Nginx日志是排查问题的重要依据,本文将围绕Nginx日志分析、499状态码的成因、排查方法及解决方案展开讨论... 目录前言1. Nginx日志基础1.1 Nginx日志存放位置1.2 Nginx日志格式2. 499

Olingo分析和实践之EDM 辅助序列化器详解(最佳实践)

《Olingo分析和实践之EDM辅助序列化器详解(最佳实践)》EDM辅助序列化器是ApacheOlingoOData框架中无需完整EDM模型的智能序列化工具,通过运行时类型推断实现灵活数据转换,适用... 目录概念与定义什么是 EDM 辅助序列化器?核心概念设计目标核心特点1. EDM 信息可选2. 智能类

Olingo分析和实践之OData框架核心组件初始化(关键步骤)

《Olingo分析和实践之OData框架核心组件初始化(关键步骤)》ODataSpringBootService通过初始化OData实例和服务元数据,构建框架核心能力与数据模型结构,实现序列化、URI... 目录概述第一步:OData实例创建1.1 OData.newInstance() 详细分析1.1.1