150 lines
5.6 KiB
Markdown
150 lines
5.6 KiB
Markdown
# Leetcode 💻 寒假 20230110
|
||
|
||
---
|
||
|
||
### 179. Largest Number
|
||
|
||
给定一个非负整数列表 nums，将它们排列成最大的数并返回。
|
||
|
||
```cpp [|4-6|7-9]
|
||
class Solution {
|
||
public:
|
||
string largestNumber(vector<int>& nums) {
|
||
vector<string> v;
|
||
v.reserve(nums.size());
|
||
for (auto const &i : nums) v.push_back(to_string(i));
|
||
sort(v.begin(), v.end(), [](string &a, string &b) {
|
||
return a + b > b + a;
|
||
});
|
||
string ret;
|
||
for (auto const &s : v) ret += s;
|
||
// 处理 ["0", "0", "0"] 的情况
|
||
return ret.startswith('0') ? "0" : ret;
|
||
}
|
||
};
|
||
```
|
||
|
||
Note:
|
||
|
||
首先我们要知道对字符串进行大小比较会发生什么事情
|
||
|
||
```python
|
||
'1' + '3' < '2' # True
|
||
'1' + '3' < '22' # True
|
||
'1' < '11' # True
|
||
'1' + '0' == '10' # True
|
||
```
|
||
|
||
先讲解一下这个代码在干什么
|
||
|
||
4-6 先建立一个新的vector,可以理解为可变长度的数组,
|
||
第五行预先给vector分配和nums数量一样多的内存，因为c++中的vector容器，
|
||
包括很多其他语言的可变长度数组容器，都是会在数组容量不足的时候自动扩容数组。
|
||
扩容是怎么扩容个法子呢，简单来说就是新建一个更大容量的数组，
|
||
然后把原有数组的内容全部复制过去，听起来是不是效率很低？但其实编程语言在背后做了各种优化，
|
||
比如智能估计数组的容量，提前分配空间，减少扩容次数来提升新能，所以一般来说用户无需太过担心这一部分，
|
||
但是如果你能够提前知道这个vector会有多长，并且提前给他一次申请够需要的容量，那么肯定是能够提高性能的。
|
||
第六行是利用的c11的自动类型推断，就是这个auto,编译器可以在编译的时候自动推断出i的类型，这是一个很好用的语法糖。
|
||
接着是const常量，这是我个人的变成习惯，给不需要修改的变量加上const限制，这么做的好处一个是可以避免
|
||
不小心修改了这个不该修改的变量导致莫名其妙的bug,另一个是在javascript等动态语言中const可以跳过类型检查
|
||
稍微提高代码执行速度。
|
||
i前面的这个符号是c11的左值引用语法，这么写就代表i是nums中的元素，是一个nums中的数字而不是数组下表，
|
||
在后面可以直接把这个数字转成字符串，然后添加到v列表中，不需要写 nums[i] 这种东西。
|
||
|
||
7-9 是对v数组进行排序，这里用了一个自定义函数来比较两个元素的大小。
|
||
这个自定函数做什么事情呢，他传入两个字符串的引用，然后将字符串拼接起来，看看谁拼在前面会更大。
|
||
|
||
10-11 行是定义一个新字符串用于返回最终结果，然后通过一个循环便利我们刚刚排序好的数组v,
|
||
将数组中每个元素添加到这个字符串里
|
||
|
||
12-13 最后我们返回值，注意这里有个边界情况，就是数组中全部都是0,
|
||
这时候我们用一个三元表达式，如果数组开头第一个元素是0,那么直接返回字符串0,
|
||
不然的话就正常返回ret变量。
|
||
|
||
---
|
||
|
||
### 179. Largest Number
|
||
|
||
Python 版本
|
||
|
||
```python [|4|5-7|8]
|
||
from functools import cmp_to_key
|
||
class Solution:
|
||
def largestNumber(self, nums: List[int]) -> str:
|
||
strs = [str(i) for i in nums]
|
||
strs.sort(key = cmp_to_key(
|
||
lambda a, b: -1 if a + b > b + a else 1
|
||
))
|
||
return '0' if strs[0] == '0' else ''.join(strs)
|
||
```
|
||
|
||
Note:
|
||
|
||
思路和刚刚的 c++ 是一样的，但我主要想给各位介绍一下python的写法，
|
||
因为我看群里用python的人还是不少的，当然这种写法是好是坏见仁见智了，我个人认为是比较好的。
|
||
|
||
4 首先我们用这个列表生成式将nums转为字符串strs， strs 是一个列表，列表中的每个元素是str(i),i是遍历nums得到的变量。
|
||
|
||
5-7 接着对strs进行排序，这个cmp to key 是python3的设计，他把一个比较用来比较大小的函数变成key函数，
|
||
这个比较函数做什么呢，他输入两个变量，如果a+b比b+a大，则这个比较函数返回-1,否则返回1,注意这里a和b的类型
|
||
都是字符串，a+b表示的是字符串a和字符串b拼接之后的结果
|
||
|
||
8 最后用一个三元表达式返回结果，和上面c++的思路是一样的，
|
||
注意这又有一个python好用的方法，字符串.join,后面跟一个数组，
|
||
意思是把这个数组用空字符串拼接起来
|
||
|
||
---
|
||
|
||
### 347. Top K Frequent Element
|
||
|
||
```cpp [|4-6|]
|
||
class Solution {
|
||
public:
|
||
vector<int> topKFrequent(vector<int>& nums, int k) {
|
||
unordered_map<int, int> count;
|
||
for (auto const &n : nums)
|
||
count[n]++;
|
||
|
||
vector<pair<int, int>> tmp;
|
||
for (auto const &pair : count)
|
||
tmp.push_back(pair);
|
||
|
||
sort(tmp.begin(), tmp.end(), [](
|
||
const pair<int, int> &a,
|
||
const pair<int, int> &b) {
|
||
return a.second > b.second;
|
||
});
|
||
|
||
vector<int> ret;
|
||
for (auto const &pair : tmp) {
|
||
if (ret.size() >= k)
|
||
break;
|
||
ret.push_back(pair.first);
|
||
}
|
||
|
||
return ret;
|
||
}
|
||
};
|
||
```
|
||
|
||
Note:
|
||
|
||
给定一个列表，返回其中出现频率次数最高的 k 个元素。
|
||
|
||
4-6 首先我第一个想到要做的事情就是统计各个数字出现的次数对吧。
|
||
这里创建一个无序哈希表count,然后遍历nums,将对应的值加一.
|
||
|
||
---
|
||
|
||
### 347. Top K Frequent Element
|
||
|
||
Python 版本
|
||
|
||
```python []
|
||
import collections
|
||
class Solution:
|
||
def topKFrequent(self, nums: List[int], k: int) -> List[int]:
|
||
count = collections.Counter(nums)
|
||
return [i[0] for i in count.most_common()][:k]
|
||
```
|