第一次力扣参赛：第 174 场力扣周赛

第 174 场力扣周赛赛题：
https://leetcode-cn.com/circle/discuss/lEfEkb/view/OrAJAh/

第 174 场力扣周赛国内排名（点击小图标可查看选手代码）：
https://leetcode-cn.com/contest/weekly-contest-174/ranking/1/

总体心得

使用python3，做成了第一道题，第二道题的解超时，便结束了第一次周赛。

下午看了排行榜靠前的参赛者代码，最快的在17分钟内就完赛了（使用python3），使用python3的和c++的数量几乎对半分。

先来说个问题：使用python算作弊吗？

我觉得不算，尽管python中有collections库这种强大的操作集，但是对不懂数据结构、或没有赛题解决思路的人来说，终究还是没有帮助的。python只是帮助我们把精力全部集中在算法的流程上，而非程序设计与具体实现上（python封装了太多常用操作，减少实现压力）。

况且，c++中也有vector<>()、java中也有hashtable<>()这种类似的可调用的数据结构对象，来简化操作。因此，python不算作弊。

我目前的编程，都是为了实现强化学习算法，没有涉及到底层系统或者企业级开发，因此选择用python3来刷力扣。

使用c/cpp来对每个指针进行操作，可能会在算法的时间空间复杂度上有一定优势，但是，实现起来会比较麻烦，而周赛比的是速度。况且，python3中封装的代码都是方法较优的。

这次最快的同学是 zerotrac2 ，看到了其领英上的简历，很强，高中就有极好的竞赛基础，在清华软工有9/74的排名：

在这里插入图片描述

这位同学的简历链接：https://www.linkedin.com/in/zerotrac/

看了他的代码，觉得“并不是我现在无法达到的水平”，收获了很多库的使用技巧与设计思想，下面对四道题一一分析。

[1341] 方阵中战斗力最弱的 K 行

很简单的排序问题，我的代码为：

class Solution(object):
    def kWeakestRows(self, mat, k):
        """
        :type mat: List[List[int]]
        :type k: int
        :rtype: List[int]
        """
        fighter_dict = dict()
        r = -1
        for _ in mat:
            r += 1
            # key: row number, value: soldiers_count
            fighter_dict[r] = sum(mat[r])
            
        returns = list()
        while k > len(returns):
            current_min_row = fighter_dict.keys()[0]
            for row in fighter_dict:
                if fighter_dict[row] < fighter_dict[current_min_row]:
                    current_min_row = row
            returns.append(current_min_row)
            del fighter_dict[current_min_row]
        return returns

高手的代码为：

class Solution:
    def kWeakestRows(self, mat: List[List[int]], k: int) -> List[int]:
        c = [(sum(x), i) for i, x in enumerate(mat)]
        c.sort(key=lambda x: (x[0], x[1]))
        return [x[1] for x in c[:k]]

解决思路差不多，但是我没有很坚决地把问题抽象为一个二维排序问题，因此产生了犹豫，并且复杂化了代码实现过程，除此之外，上述代码值得学习的地方还有：

enumerate(list)返回(索引, 值)；
列表的方法sort(key=lambda x: expression)用法（升序）；
list[:k]灵活运用切片。

我还存在一个问题，就是我的排序是我自己写的（在while里），我期望达到在线处理的效果，可是时间复杂度还是有 $O(k \times n)$ 之多。以后遇到需要排序的问题，直接使用list.sort()算法，在网上查过，python3封装的排序算法应该是最优的（二分法），时间复杂度为 $O(n \times \log_2 n)$ 。

[5329] 数组大小减半

我的算法超时了，看不到了，高手代码为：

class Solution:
    def minSetSize(self, arr: List[int]) -> int:
        c = collections.Counter(arr)
        s = 0
        ans = 0
        for k, v in c.most_common():
            s += v
            ans += 1
            if s * 2 >= len(arr):
                return ans
        return -1

我学到了：

collection.Counter(arr)的使用，直接对个元素计数；
top-n 问题使用most_common()方法，也是基于collection.Counter对象的。

[5330] 分裂二叉树的最大乘积

# Definition for a binary tree node.
# class TreeNode:
#     def __init__(self, x):
#         self.val = x
#         self.left = None
#         self.right = None

class Solution:
    def maxProduct(self, root: TreeNode) -> int:
        def tot(node):
            if not node:
                return 0
            return tot(node.left) + tot(node.right) + node.val

        def dfs(node, s):
            if not node:
                return 0, 0
            p1, q1 = dfs(node.left, s)
            p2, q2 = dfs(node.right, s)
            p = p1 + p2 + node.val
            return p, max(q1, q2, p * (s - p))

        s = tot(root)
        return dfs(root, s)[1] % 1000000007

看懂这个代码着实花了我一点时间，但是以后遇到类似代码不会再让我感到陌生了：

就是一个深度优先搜索（bfs）而已；
注意上述算法中的s值其实没有变过，作者之所以把其作为dfs()的参数，应该是因为：在一般的dfs()递归算法中，dfs()传入的都是（根结点, 参数），其中参数是参与递归过程的；
dfs()的两个返回值分别是：
- 该子树的结点和；
- （1）计算以该子树作为断点，独立成根，其产生的和与剩下部分产生的和的乘积的值，（2）与两个子树的该值比较，取最大的，保留，（3）子树的该值是子树与子树的子树的该值进行比较得到的。
巧妙地运用递归进行了搜索，没有半行废话。

[5331] 跳跃游戏 V

惊了，大神前三题用的好好的 python3 ，第四题一下就换 cpp 了，是觉得太无聊了，想玩玩花样吗…

我觉得也有这种可能：

大神们因为刷题太多，已经有了一个自己的轮子库；
遇到新问题，马上抽象总结成一起遇到的问题；
把以前的轮子稍加修改便可套用，这道题的兄弟题可能是大神以前使用从 cpp 做过的。

或者，此题使用 python3 可能超时。

class Solution {
private:
    vector<bool> used;
    vector<int> f;
    
public:
    void dfs(vector<int>& arr, int id, int d, int n) {
        // 传址调用 arr
        if (used[id]) {
            return;
        }
        used[id] = true;
        f[id] = 1;
        // 看着像二分法，实际上不是
        // 就是把小人投放到每个“柱子上”，然后递归跳跃
        for (int i = id - 1; i >= 0 && id - i <= d; --i) {
            // i可能等于-1，因此加入i>=0这个判断条件
            if (arr[id] > arr[i]) {
                dfs(arr, i, d, n);
                f[id] = max(f[id], f[i] + 1);
            }
            else {
                break;
            }
        }
        for (int i = id + 1; i < n && i - id <= d; ++i) {
            if (arr[id] > arr[i]) {
                dfs(arr, i, d, n);
                f[id] = max(f[id], f[i] + 1);
            }
            else {
                break;
            }
        }
    }
    
    int maxJumps(vector<int>& arr, int d) {
        int n = arr.size();
        // cpp 中的vertor.size() .resize() 方法库值得积累
        used.resize(n);
        f.resize(n);
        for (int i = 0; i < n; ++i) {
            dfs(arr, i, d, n);
        }
        return *max_element(f.begin(), f.end());
        // std 的 max_element() 返回指针，操作数也是指针
        // *max_element 中的星号是取 指针指的值
        // 而输入的操作数 f.begin() f.end() 表示查找区间范围
    }
};

我学到了：

dfs()实际上是一种“挖到最低层的状态结点，然后向上回溯”的过程。在本例中，小人只被投放到了各个结点一次，没有重复计算，当其被投放到最底层结点时，开始计算其步数，并累加至上一层。
在for(,条件,)中增加条件，以保证迭代数在操作体内的可执行性；
cpp 中的vertor.size() .resize() 方法库值得积累；
*max_element()：std的max_element()返回指针，操作数也是指针，*max_element中的星号是取指针指的值，而输入的操作数f.begin(), f.end()表示查找区间范围。

cpp 的结果为：

127/127 cases passed (68 ms)
Your runtime beats 100 % of cpp submissions
Your memory usage beats 100 % of cpp submissions (10.5 MB)

而使用 python 的结果为：

127/127 cases passed (1060 ms)
Your runtime beats 100 % of python3 submissions
Your memory usage beats 100 % of python3 submissions (14.2 MB)

（可见，同结构的数据与相同的算法下，python 比 cpp 慢很多）

python 的代码是我自己写的，如下：

class Solution:
    def maxJumps(self, arr: List[int], d: int) -> int:
        f = [0 for _ in range(len(arr))]

        def dfs(arr, index, d, n):
            if f[index]:
                return None
            f[index] = 1
            # left indexes
            i = index - 1
            while i >= 0 and index - i <= d:
                if arr[index] > arr[i]:
                    dfs(arr, i, d, n)
                    f[index] = max(f[index], f[i] + 1)
                else:
                    break
                i -= 1
            # right indexes
            i = index + 1
            while i < n and i - index <= d:
                if arr[index] > arr[i]:
                    dfs(arr, i, d, n)
                    f[index] = max(f[index], f[i] + 1)
                else:
                    break
                i += 1
    
        length = len(arr)
        for i in range(length):
            dfs(arr, i, d, length)
        return max(f)

后记心得

看完了这四道题的“高手”解法，认为明确易懂，且总结了不少规律。我对我自己的实力还是很有信心的。

我不知道我说的对不对：数据结构与算法的基础题，实际上就是一个字“找”，找什么？“解”。解都是找出来的。比的就是谁的方法又巧妙又易于实现（通常，易于实现的算法他人也一看就懂）。有什么好的办法来提升自己吗？刷题、总结、积累。所谓“找”之策，万变不离其宗（数据结构基础），能把问题抽象为已知的经典问题，就可快速解决。

今天周日，下周我想刷刷 LeetCode ，就当娱乐了。下周日的周赛再参加一次，我已经等不及了，说实话。

再后记： 步入“编程的正道”正好一年。去年这时跟着学长实现数学模型，要用到“孤立森林”（不是随机森林，是周志华等人提出的一种无监督离群点判断方法），matlab里没有封装好的孤立森林方法（2019年1月份前我只会用matlab），而python3的sklearn库里有，于是入了python3，编辑器用的PyCharm，发现比matlab好用多了。从此，抛弃“伪代码”，钻入底层的世界，学习“配置环境”、“操作系统”、“数据结构”、“编译与字节码”到底是怎么一回事，java、c/c++、c#这种以前或许接触过的却根本不了解的编程语言也被我重新拾起。总之，读了很多很棒的文章，很重视学习编程的规范与底层知识的学习。

这一年里，我写了130+的博文，包括：操作系统&数据结构等等课程的笔记、python3的debug心得、编译器配置等等，我的CSDN：https://blog.csdn.net/weixin_42815609。

我还开了不少 GitHub repo，包括强化学习笔记、计算机核心课笔记：

GitHub 个人主页：https://github.com/PiperLiu

[更新中…]基于c/c++实现的计算机核心课笔记：https://github.com/PiperLiu/CS-courses-notes

[更新中…]强化学习笔记：https://github.com/PiperLiu/Reinforcement-Learning-practice-zh

对了，强烈推荐 VS Code 的插件 LeetCode for VS Code ，今天下午刚刚安装，简直神器。

链接：LeetCode for VS Code: 程序员 Offer 收割利器 - 知乎

PiperLiu
2020-2-2 21:18:04

PiperNest (同公众号)

原创文章 163 获赞 177 访问量 4万+

关注私信

第一次LeetCode周赛心得（力扣-cn周赛，使用python3）