来刷 LeetCode 啊

Posted 2021-05-03 Python之禅

为什么要刷LeetCode，刷LeetCode吃力正常吗？看完大神们怎么说，是不是有必要给自己一个小目标，比如刷满1000题

~

给定一个整数数组 nums 和一个目标值 target，请你在该数组中找出和为目标值的 两个 整数。你可以假设每种输入只会对应一个答案。但是，你不能重复利用这个数组中同样的元素。

示例:

给定 nums = [2, 7, 11, 15], target = 9
因为 nums[0] + nums[1] = 2 + 7 = 9
所以返回 [0, 1]

题目难度：easy

做这道题之前，我们先复习一下几个数据结构的特性

列表的查询复杂度是 O(n)，集合的查询复杂度是 O(1)，字典的查询复杂度也是 O(1)。关于这三种数据结构的各种操作的时间复杂度可参考链接： https://wiki.python.org/moin/TimeComplexity ， 这里是中译版本 http://www.orangecube.net/python-time-complexity 。

看到这道题，你可能一眼就能想到的解决办法就是暴力破解法。大概思路就是 n*n 轮遍历，第1个n轮是首先取出第一个元素 n ，然后从剩下的元素中遍历，找到某个等于 target-n 的值，如果没找到，就开始第2个n轮遍历，取出第二个元素，直到找到目标元素为止。

def two_sum(nums, target):
    for i, n in enumerate(nums):
        if target - n in nums[i + 1:]:
            return n, target - n

nums = [2, 7, 11, 15]
target = 9
print(two_sum(nums, target))

>>>(2, 7)

使用 in 关键字在列表中查找元素的时间复杂度是O(n)，外层for循环的复杂度也是O(n)，所以这种算法的时间复杂度是 O(n^2)

然后我发现另外一个缺点，在 Python 中，没法基于原数组进行遍历，外循环每次迭代的时候，要创建一个新的列表nums[i + 1:]，这样就造成了这个算法的空间复杂度变成了 O(n)，如果换成C或者Java就不会有这个问题，这也是 Python 慢的一种原因吧。

方法二

既然列表查询的复杂度是 O(n)，而 集合和字典的查询复杂度是常量 O(1)，所以我们可以考虑先将列表转换成字典或者集合。

def two_sum(nums, target):
    s= set(nums) 
    for n in nums:
        m = target - n
        if m in s and n != m:
            return n, m

nums = [2, 7, 11, 15]
target = 9
print(two_sum(nums, target))

最终这个算法的复杂度就变成了 O(n)，空间复杂度也是 O(n)，所以这种算法要优于第一种的。如果将列表转换为字典，可以将列表元素作为字典的key，而元素的索引位置作为字典的value，这样就可以知道这两个目标元素的位置是哪里，这是用集合没法做到的。

总结

学算法首先要把基本的数据结构搞懂，例如列表、集合、字典、队列、链表、树、二叉树、图等等，理解各种数据结构操作的特性，然后你做起题目来就游刃有余了。

推荐阅读

• 
  

• 
  
  

优秀如你
用转发点赞支持我