当前位置: 首页 > article >正文

二刷 LeetCode:75. 颜色分类 31. 下一个排列 复盘笔记

目录一、75. 颜色分类荷兰国旗问题题目回顾思路复盘核心思想Python 代码实现易错点 二刷心得二、31. 下一个排列题目回顾思路复盘核心步骤Python 代码实现易错点 二刷心得三、两道题的共性总结 二刷收获这两道题是数组 / 排序专题的经典中等题也是面试中常考的 “原地操作” 类型非常适合用来巩固双指针和贪心思想。二刷时我们重点拆解核心思路、优化写法并总结通用解题模板。一、75. 颜色分类荷兰国旗问题题目回顾给定一个包含红色、白色和蓝色、共n个元素的数组nums原地对它们进行排序使得相同颜色的元素相邻并按照红色、白色、蓝色顺序排列。我们使用整数0、1和2分别表示红色、白色和蓝色。思路复盘这道题的最优解是三指针法荷兰国旗问题时间复杂度 \(O(n)\)空间复杂度 \(O(1)\)一次遍历完成排序。核心思想定义三个指针p0指向 0 的右边界初始为 0p2指向 2 的左边界初始为len(nums)-1curr当前遍历的元素指针初始为 0遍历规则当nums[curr] 0和nums[p0]交换p0、curr当nums[curr] 2和nums[p2]交换p2--注意curr不增加因为交换来的元素需要再判断当nums[curr] 1直接currPython 代码实现python运行def sortColors(nums: list[int]) - None: p0 curr 0 p2 len(nums) - 1 while curr p2: if nums[curr] 0: nums[p0], nums[curr] nums[curr], nums[p0] p0 1 curr 1 elif nums[curr] 2: nums[curr], nums[p2] nums[p2], nums[curr] p2 - 1 else: curr 1易错点 二刷心得边界控制循环条件必须是curr p2因为p2左边的元素还未处理完。交换 2 时的指针处理交换curr和p2后curr不能自增因为新交换来的元素可能是 0 或 2需要再次判断。原地修改题目要求不使用额外空间所以不能用计数排序后再重写数组三指针法是最优解。二、31. 下一个排列题目回顾实现获取下一个排列的函数算法需要将给定数字序列重新排列成字典序中下一个更大的排列。如果不存在下一个更大的排列则将数字重新排列成最小的排列即升序排列。必须原地修改只允许使用额外常数空间。思路复盘这道题的核心是贪心思想找到 “下一个更大” 的排列关键步骤可以总结为 “找、换、反转” 三步。核心步骤找从后往前找第一个nums[i] nums[i1]的位置i这个位置是 “下降点”后面的元素是降序的。换从后往前找第一个比nums[i]大的元素nums[j]交换nums[i]和nums[j]。反转将i之后的元素反转使其变为升序这样得到的就是比原排列大的最小排列。Python 代码实现python运行def nextPermutation(nums: list[int]) - None: n len(nums) # 步骤1找下降点 i n - 2 while i 0 and nums[i] nums[i1]: i - 1 # 步骤2如果不是最后一个排列找比nums[i]大的最小数并交换 if i 0: j n - 1 while nums[j] nums[i]: j - 1 nums[i], nums[j] nums[j], nums[i] # 步骤3反转i之后的部分 left, right i 1, n - 1 while left right: nums[left], nums[right] nums[right], nums[left] left 1 right - 1易错点 二刷心得下降点的理解如果整个数组是降序的说明没有下一个排列直接反转整个数组即可。交换后反转的必要性交换nums[i]和nums[j]后i之后的部分仍然是降序的反转后才能变成升序得到最小的更大排列。边界处理当i 0时说明数组是降序的直接反转整个数组即可无需额外处理。三、两道题的共性总结 二刷收获原地操作的核心思想两道题都要求在不使用额外空间的情况下修改数组核心都是通过双指针 / 多指针实现元素的交换和重排。贪心算法的应用颜色分类通过指针划分区域一次遍历完成分类局部最优每次把元素放到正确位置得到全局最优。下一个排列通过 “找下降点、交换、反转” 三步找到字典序下的最小更大排列同样是贪心思想的体现。面试高频考点颜色分类重点考察三指针法和荷兰国旗问题是多指针思想的经典应用。下一个排列重点考察对排列字典序的理解和原地修改的技巧面试中常被追问时间复杂度和空间复杂度优化。

相关文章:

二刷 LeetCode:75. 颜色分类 31. 下一个排列 复盘笔记

目录 一、75. 颜色分类(荷兰国旗问题) 题目回顾 思路复盘 核心思想 Python 代码实现 易错点 & 二刷心得 二、31. 下一个排列 题目回顾 思路复盘 核心步骤 Python 代码实现 易错点 & 二刷心得 三、两道题的共性总结 & 二刷收获 …...

第三十二篇技术笔记:郭大侠学UDS(2E)- 古灵精怪读心术,大漠月光写情初

写在开篇:上回郭靖学会了读VIN,回家正得意。黄蓉咬了口糖葫芦:“靖哥哥,22服务是不是啥都能读?”“那可不,DID指哪读哪。”“那ECU里……有没有存着什么‘历史数据’啊?比如你在大漠时候的事儿&…...

程序员也能看懂的古代天文历法:从《资治通鉴》里的“阏逢执徐”到现代农历算法

程序员也能看懂的古代天文历法:从《资治通鉴》里的“阏逢执徐”到现代农历算法 翻开《资治通鉴》开篇的"起著雍摄提格,尽玄黓困敦",或是遇到古籍中"岁在阏逢执徐"的记载时,程序员的第一反应可能是&#xff1a…...

如何高效使用NifSkope:游戏开发者必备的完整3D模型编辑指南

如何高效使用NifSkope:游戏开发者必备的完整3D模型编辑指南 【免费下载链接】nifskope A git repository for nifskope. 项目地址: https://gitcode.com/gh_mirrors/ni/nifskope NifSkope是一款专业的开源3D模型编辑器,专门用于处理和编辑NetImme…...

告别机械按键:在中颖51项目里低成本集成触摸功能(SH79F9476 Touch Key实战)

中颖SH79F9476触摸按键工程化实战:从实验室到量产的五大关键跨越 在消费电子领域,实体按键的机械结构一直是产品故障的高发区。某智能家居厂商的售后数据显示,38%的维修案例与按键失灵有关,而采用触摸方案的新机型将此比例降至5%以…...

别再手动调参了!用Python的Scipy优化器自动寻找Holt-Winter模型最佳参数(附完整代码)

用Scipy优化器实现Holt-Winter参数自动调优的工程实践 当面对销售数据、服务器流量或电力负荷这类具有明显季节性和趋势性的时间序列时,Holt-Winter三指数平滑模型往往是数据科学家的首选武器。但真正阻碍我们快速获得高质量预测结果的,往往不是模型本身…...

Cool Pi CM5评估板:RK3588模块化开发平台解析

1. Cool Pi CM5评估板深度解析:基于Rockchip RK3588的模块化开发平台在单板计算机(SBC)领域,Raspberry Pi系列长期占据主导地位,但其计算模块CM4的性能天花板和供货问题促使开发者寻找替代方案。Cool Pi CM5的诞生正是…...

告别重复操作:用Python脚本给3dMax模型批量添加噪波修改器

3D艺术家效率革命:Python脚本批量操控3dMax噪波修改器全指南 在数字内容创作领域,效率往往是区分普通从业者与行业专家的关键指标。当我们需要为数十个建筑模型添加风化效果,或为游戏场景中的岩石群赋予自然随机性时,手动为每个对…...

别再只用收盘价了!用Python实战对比Parkinson、Garman-Klass等三种高阶波动率算法(附完整代码)

高阶波动率算法实战:Parkinson、Garman-Klass与Rogers-Satchell的Python实现与对比 在量化交易和金融风险管理中,波动率是最核心的指标之一。传统的收盘价波动率(Close-to-Close)虽然计算简单,但它忽略了日内价格变动信…...

别再手动算丰度了!手把手教你用BWA+CheckM+Python脚本搞定宏基因组Contigs/Genes定量(附完整代码)

宏基因组定量分析实战:BWACheckMPython全流程自动化解决方案 在宏基因组研究中,contigs和基因的定量分析是揭示微生物群落结构和功能特征的关键步骤。传统手动操作不仅效率低下,还容易在复杂的数据处理流程中出现人为错误。本文将分享一套经过…...

TMS320F28377D项目实测:TMU库加速到底有多猛?对比FPU与RAM运行,附完整测试代码

TMS320F28377D性能优化实战:TMU加速库与FPU/RAM运行方案深度横评 在嵌入式系统开发中,DSP处理器的运算效率直接影响着整个项目的成败。TMS320F28377D作为TI C2000系列的高性能型号,提供了TMU(Trigonometric Math Unit)…...

不只是汽车:用20块钱的STM32和LIN收发器DIY一个智能家居灯光网络

20元打造智能灯光网络:STM32与LIN总线的跨界实践 在智能家居领域,通信协议的选择往往决定了系统的成本和可靠性。当大多数人将目光聚焦在Wi-Fi、Zigbee等无线方案时,一个来自汽车电子的老牌技术——LIN总线,正在悄然展现其在家居自…...

GPU内核生成技术:挑战、优化与强化学习应用

1. GPU内核生成的技术挑战与现状GPU内核开发一直是高性能计算领域的核心难题。现代GPU架构的复杂性体现在多个层面:从硬件角度看,开发者需要处理多级内存体系(全局内存、共享内存、寄存器文件)、复杂的线程调度机制(线…...

别再只ping了!手把手教你用Wireshark抓包分析UDP通信全过程(从发送到接收)

从抓包到诊断:用Wireshark透视UDP通信全链路 当你的UDP程序在局域网内突然"失联",而ping测试却显示一切正常时,这种矛盾往往会让开发者陷入困境。传统排查手段就像在黑暗房间找钥匙——开关防火墙、反复重启服务、调整端口号&#…...

Android - Bitmap

一、概念1.1 图像图片的大小(内存占用) 宽*高*单个像素点占用内存图片属性信息。同一设备上,图片占用内存跟drawable目录分辨率大小变化成正比。同一drawable目录,图片占用内存跟设备分辨率大小成正比。色深:某分辨率下一个像素能接受的颜色数…...

从Audio2Photoreal代码实战出发:拆解FiLM如何让AI‘听声辨动作’

从Audio2Photoreal代码实战拆解FiLM:如何用特征线性调制实现跨模态控制 在生成式AI领域,跨模态控制一直是极具挑战性的研究方向。想象一下,仅凭一段语音就能生成与语调、节奏完美匹配的虚拟人物动作——这正是Audio2Photoreal项目所实现的惊人…...

LiFi技术解析:802.11bb标准与应用实践

1. LiFi技术概述:用光传输数据的下一代无线通信标准802.11bb标准(俗称LiFi)在2023年6月正式获得批准,这项技术利用可见光而非传统WiFi的射频信号进行数据传输。我在实验室实测中发现,其理论峰值速率可达224Gbps&#x…...

从理论到实践:用VPI+Matlab复现相干光通信DSP全流程(含CMA、载波恢复等核心算法)

从理论到实践:用VPIMatlab复现相干光通信DSP全流程 在光通信系统的研发与教学中,数字信号处理(DSP)算法的实现与验证一直是核心难点。传统教学往往将算法原理与物理层仿真割裂,导致学习者难以建立从数学模型到实际系统…...

Python医疗影像调试最后的“黑箱”:NIfTI头文件校验、BIDS格式合规性、JSON侧车文件同步——这3个被99%开发者忽略的元数据断点

更多请点击: https://intelliparadigm.com 第一章:Python医疗影像调试的元数据盲区与调试范式演进 在DICOM影像处理中,开发者常聚焦像素阵列与渲染逻辑,却系统性忽略嵌入式元数据(如0028,0010行数、0028,0011列数、00…...

基于开源框架构建高度可定制的实时Web聊天应用

1. 项目概述与核心价值最近在折腾一个挺有意思的开源项目,叫raw34/openclaw-webchat。乍一看这个名字,可能觉得就是个网页聊天工具,但如果你深入去扒拉一下它的代码和设计思路,会发现它远不止于此。这其实是一个基于现代Web技术栈…...

3步解锁网易云音乐NCM文件:从加密牢笼到自由播放的完整指南

3步解锁网易云音乐NCM文件:从加密牢笼到自由播放的完整指南 【免费下载链接】ncmdumpGUI C#版本网易云音乐ncm文件格式转换,Windows图形界面版本 项目地址: https://gitcode.com/gh_mirrors/nc/ncmdumpGUI 你是否曾在深夜整理音乐库时&#xff0…...

a11y-bridge:为React/Vue动态应用构建无障碍桥梁

1. 项目概述:一个被忽视的“桥梁”工程在Web开发的世界里,我们每天都在和按钮、表单、弹窗打交道,追求着极致的交互体验和视觉美感。然而,有一个群体——残障人士,特别是视障用户——他们体验我们产品的“窗口”与我们…...

Math-ROVER:数学推理中的多模型融合优化策略

1. ROVER方法概述与数学推理适配性分析ROVER(Recognizer Output Voting Error Reduction)最初由约翰霍普金斯大学在1997年提出,是一种用于语音识别结果融合的经典算法。其核心思想是通过多系统输出的对齐和投票,消除单个识别系统的…...

解锁GAN潜力:GANSpace快速入门指南—发现StyleGAN和BigGAN的可解释编辑方向

解锁GAN潜力:GANSpace快速入门指南—发现StyleGAN和BigGAN的可解释编辑方向 【免费下载链接】ganspace 项目地址: https://gitcode.com/gh_mirrors/ga/ganspace GANSpace是一个强大的开源工具,能够帮助开发者和研究人员发现并利用生成对抗网络&a…...

如何快速开始使用agent-skills:从安装到执行的完整指南

如何快速开始使用agent-skills:从安装到执行的完整指南 【免费下载链接】agent-skills Production-grade engineering skills for AI coding agents. 项目地址: https://gitcode.com/gh_mirrors/agentskill/agent-skills agent-skills是一套面向AI编码代理的…...

cgft-llm社区建设:如何参与讨论和贡献代码

cgft-llm社区建设:如何参与讨论和贡献代码 【免费下载链接】cgft-llm Practice to LLM. 项目地址: https://gitcode.com/gh_mirrors/cg/cgft-llm cgft-llm是一个专注于大模型实践的开源项目,提供了从Agent智能体系统、大模型核心技术到开源协作规…...

如何快速上手Netflix Astyanax:面向Java开发者的Cassandra客户端完整指南

如何快速上手Netflix Astyanax:面向Java开发者的Cassandra客户端完整指南 【免费下载链接】astyanax Cassandra Java Client 项目地址: https://gitcode.com/gh_mirrors/as/astyanax Netflix Astyanax是一款专为Java开发者设计的高性能Cassandra客户端&#…...

Python配置即代码(CaaC)落地实践:用Terraform+YAML Schema+GitOps Pipeline实现配置变更的CI/CD全流程可追溯、可回滚、可审计

更多请点击: https://intelliparadigm.com 第一章:Python分布式配置的核心概念与演进脉络 分布式配置管理是现代微服务架构中保障系统弹性、可维护性与环境一致性的关键基础设施。其本质在于将配置数据从代码中解耦,集中化存储、版本化控制…...

网页无障碍扫描工具accessibilityjs教程:5分钟快速掌握前端无障碍错误检测

网页无障碍扫描工具accessibilityjs教程:5分钟快速掌握前端无障碍错误检测 【免费下载链接】accessibilityjs Client side accessibility error scanner. 项目地址: https://gitcode.com/gh_mirrors/ac/accessibilityjs accessibilityjs是一款强大的客户端无…...

Word论文排版避坑指南:用页眉插入背景图解决PDF导出重叠,以及参考文献页眉‘0’的终极解法

Word论文排版实战:页眉背景图与参考文献页眉零误差解决方案 引言 学术写作从来不是件轻松的事——当你熬过无数个深夜终于完成论文内容,却在最后排版阶段被Word的"任性"折磨得抓狂。背景图在PDF导出时莫名重叠、参考文献页眉顽固显示"0&q…...