一次映射的重复性在二次映射中保留。 只有重复的k会导致：nums[k]<0，并且再次遇到。 为了保留一次映射的像或二次映射的原像，故需要来一次正负判断，将减去的值加回来。 class Solution:     def duplicate(self, numbers: List[int]) -> int:              &nbsp...

连通区域的判定，见注释 class Solution:     def movingCount(self , threshold: int, rows: int, cols: int) -> int:         # 字典a记录每个位置的数位和         a&...

深度优先搜索 + 回溯， 见注释。 回溯一般可以设置一个栈，入栈出栈。 本题还可以将访问过的元素，设置为不可能匹配到的字符，这样的话再次访问就必然失败。最后再恢复即可。 如matrix[i][j] = ''，设置成空，则再次访问一定失败。递归完后，恢复成word[k]。 可以节省一点空间。 # class Solution: def hasPath(self , matrix: List[List[str]], word: str) -> bool: a = [] col = len(matrix) ...

动态规划： 注意0的情况就行，具体见注释。 （如果是把0翻译成a，就会少掉dp = dp[i-2]和直接return 0的情况。） class Solution:     def solve(self , nums: str) -> int:         # 动态规划         dp&n...

动态规划: dp[i]表示以i结尾的不重复字符串长度. 这里隐藏了一个必要条件，就是起始点d。所以还需要维护起始点这个变量。 dp[i]的维护 和 起始点d的维护： s[i]在之前不出现，则+1。 s[i]在之前出现，则找出之前那个下标s[d:i].index(s[i]) + d。注意+d，否则不是从头算，而是从切片算的。 新的起始点d = s[d:i].index(s[i]) + d + 1。 长度直接计算：s[i] = i - d + 1。 class Solution: def lengthOfLongestSubstring(self , s: str) -> i...

一个普遍的解法。记录下标区间。 class Solution:     def maxProfit(self , prices: List[int]) -> int:         # 初始化         x = 0      &nb...

class Solution: # 回溯法     def Permutation(self , str: str) -> List[str]:         def backtrack(position): # 到最后，添加         &nb...

BST分了两个不同的方向，从而可以定位数据。所以这种“有单调性但不够单调”的查找，就要找到BST的那个出发点/角度，就可以定位数据了。本题就是右上角或者左下角。例如，从右上角出发，大的在下面，小的在左边。 class Solution: def Find(self , target: int, array: List[List[int]]) -> bool: if not array or not array[0]: return False col, row = len(array), len(array[0]) i, j = ...

python3，时间复杂度(logn，以10为底)。 思路和步骤：关注整体的递增的数字，而不是拆开位后的 单数字0-9。考虑上数字长度，就可以和n比较了。 前期归纳总结：0位数个单数字，1位数个单数字，2位数个单数字，3位数个单数字，以此类推，这就是各个位数拥有的单数字个数。 用n和它们比较，先确定数字的位数d（方便说明，假设是4位） 确定了是4位，范围就是1000 - 9999，共个单数字。 容易想到的是设置一个列表来记录数字，然后返回数字的某一位。比如设置[1,0,0,0]。空间复杂度O(logn) 优化：这题关注的本不是数字，而只是单数字。所以我们只需事先确...

二分法，找右边界 class Solution:     def GetNumberOfK(self , data: List[int], k: int) -> int:         def RightBoard(target):            &nb...

单调队列的两种思路：强单调和弱单调 共同点是都关注队列首位是最大的。不同点在于（假设窗口大小为3）： 弱单调只要首位最大，一个元素如果保持最大返回3次，那必然满了（队列长度到3了）。所以满了就是返回了3次的情况，这时候pop掉首位。但弱单调去掉首位，剩下的不一定弱单调，所以还需要维护剩下的成为弱单调(625->25，不单调了) 强单调是严格单调，队列满了，则必然已经返回3次了，但返回3次不一定会满（比如6，62，625->65，这在弱单调里就满了）。但好在返回3次是有解法的，即和num(i-3)比较。这就是强单调的好处（在写法上不需要维护单调性）。 但两种的复杂度是没有多大区别...

直接split。 class Solution: def ReverseSentence(self , str: str) -> str: a = str.split() a = a[::-1] return ' '.join(a) 使用re模块匹配正则表达式。适用范围更普遍啦。import re class Solution: def ReverseSentence(self , str: str) -> str: datepat = re.compile(r'\S+') ...

python3， 递归法。 初始情况： 都空，True。 长度不同；长度同，但元素对应不上。都返回False。（题目保证了pushV 的所有数字均不相同，这里用set(list)可以做判断） 长度<=2， 一定能对应压入和弹出，返回True。 递归关键：     popV的第一个点是最先pop的，第二个点是其次pop的。反映在pushV中， 第二个点 一定在第一个点的 后面 或者 前一位 ，否则返回False。（这里先判断一下，是否在pushV的首位，因为首位没有前一位） ...

python3，递归。 所谓最近公共祖先，就是刚好分左右子树可以找到两个点。非最近（更高的）公共祖先，只能在某一边子树中找到两个点。 class Solution:     # 所谓最近公共祖先，就是刚好分左右子树可以找到两个点。非最近公共祖先，只能在某一边子树中找到两个点。     def lowestCommonAncestor(self , root: TreeNode, o1: int, o2: in...