# # 代码中的类名、方法名、参数名已经指定，请勿修改，直接返回方法规定的值即可 # # # @param nums int整型一维数组 # @return int整型一维数组 # class Solution: def plusOne(self , nums: List[int]) -> List[int]: # write code here return list(map(int, str(int("".join(map(str, nums))) + 1)))

由于是二插搜索树，进行中序遍历得到有序数组，再对特殊值进行判断 # class TreeNode: # def __init__(self, x): # self.val = x # self.left = None # self.right = None # # 代码中的类名、方法名、参数名已经指定，请勿修改，直接返回方法规定的值即可 # # # @param proot TreeNode类 # @param k int整型 # @return int整型 # class Solution: def __init__(self): self.nodes = [] def KthNode(se...

dp 解法，定义 dp 数组，转移方程为 dp[i] = max(dp[i], dp[j] + 1) j < i and arr[j] < arr[i] 因为每个数字算一位，初始值 dp = [1] * len(arr) 代码如下 # # 代码中的类名、方法名、参数名已经指定，请勿修改，直接返回方法规定的值即可 # # 给定数组的最长严格上升子序列的长度。 # @param arr int整型一维数组 给定的数组 # @return int整型 # class Solution: def LIS(self , arr: List[int]) -> int: # write c...

一、利用一个字符变量 s 和一个计数变量 c 表示当前字符和数量,再用一个结果变量 res 记录最终结果 二、利用栈进行存储,最终过滤 # # 代码中的类名、方法名、参数名已经指定，请勿修改，直接返回方法规定的值即可 # # # @param param string字符串 # @return string字符串 # class Solution: def compressString(self , param ): # write code here stack = [] for p in param: if not stack or stack[-2] != p: stack.append...

方法一: 两个字符串长度补0，从右至左依次相加，注意进位 >= 2 即进位 方法二: 利用 Python 二进制转化十进制，相加后再转二进制 # # 代码中的类名、方法名、参数名已经指定，请勿修改，直接返回方法规定的值即可 # # # @param A string字符串 # @param B string字符串 # @return string字符串 # class Solution: def binaryAdd(self , A: str, B: str) -> str: # write code here return bin(int(A, 2) + int(B, 2))[2...

本题可利用动态规划进行求解，数据是 n * m 的矩阵，利用二维 dp，每次移动只能向右或向下，初始值 dp[0][0] = v00， 第一行 dp[i][j] = dp[i - 1][j] + vij, 第一列 dp[i][j] = dp[i][j - 1] + vij, 当 i > 0 且 j > 0 时 dp[i][j] = max(dp[i - 1][j], dp[i][j - 1]) + vij，进行状态转移；代码如下: n, m = map(int, input().strip().split()) data = [list(input().strip()) for _...

查找后按照 gpa、age 降序排列 SELECT t.device_id, t.gpa, t.age FROM user_profile t ORDER BY t.gpa DESC, t.age DESC ;

同上题类似,由于物品的数量有任意多个，则压缩 dp 后遍历时不采用逆序; 代码如下: n, v = map(int, input().strip().split()) dp_1 = [0 for _ in range(v + 1)] dp_2 = [float('-inf') for _ in range(v + 1)] q, w = [], [] dp_2[0] = 0 for _ in range(n): qi, wi = map(int, input().strip().split()) q.append(qi) w.append(wi) for j in range(n): for i...

01背包问题可用二维 dp，在遍历状态转移时，由于状态只与其中一个维度有关，可进行压缩;注意恰好装满，初始数组值为 -inf。 代码如下: n, v = map(int, input().strip().split()) dp_1 = [0 for _ in range(v + 1)] dp_2 = [float('-inf') for _ in range(v + 1)] q, w = [], [] dp_2[0] = 0 for _ in range(n): qi, wi = map(int, input().strip().split()) q.append(qi) w.append(w...

sql 多列排序 SELECT t.device_id, t.gpa, t.age FROM user_profile t ORDER BY t.gpa ASC, t.age ASC

根据题意峰值是相邻左侧和右侧数据均小于索引数据的值，则建立左右前缀数组，对左侧和右侧的值先行判断,最终左侧和右侧都符合的值即为峰值索引,代码如下 # # 代码中的类名、方法名、参数名已经指定，请勿修改，直接返回方法规定的值即可 # # # @param nums int整型一维数组 # @return int整型 # class Solution: def findPeakElement(self , nums: List[int]) -> int: # write code here l, r = [0] * len(nums), [0] * len(nums) l[0] = r[-1...

根据题意，每次询问取数据 [l: r + 1]的总和，由于 n 的范围在 1 <= n <= 10 ** 5，则每次询问计算一次结果可能会超时，利用前缀数组 pre , 每次[l : r + 1] 即为前缀数组中的 pre[r] - pre[l] +data[l] 注意索引范围 代码如下: n, q = map(int, input().strip().split()) data = list(map(int, input().strip().split())) pre = [0 for _ in range(n)] pre[0] = data[0] for i in range(...

利用动态规划思路求解，构建 dp 数组，设置初始值，根据转移状态方程进行遍历，dp[i] 表示字符串 s[:i + 1] 内的最有价值值，则当 i >= 3 时, 若 s[i - 3: i + 1] == "nico" 时，有价值即 dp[i] = max(dp[i], dp[i - 3] + a),当 i >= 5 和 i >= 9 时同理，其他情况 dp[i] 由之前的状态转移得到即 dp[i] = dp[i - 1];代码如下: n, a, b, c = map(int, input().strip().split()) s = input().strip() dp =...

根据题意，本题与"打家劫舍"的思路很相似，按照动态规划的思路，建立 dp 数组，赋初值，然后根据转移方程进行迭代；由于选取的数字是不相邻的数字，则 dp[i] 与 dp[i - 1] 和 dp[i - 2] + data[i] 有关，初始值 dp[0] = data[0], 动态规划数组每次进行状态转移只与本次相关状态有关，无需考虑之前的值。 自顶向下的状态转移方式代码如下： n = int(input().strip()) data = list(map(int, input().strip().split())) dp = [0 for _ in range(n)] for i in ra...