Python笔试题
一、程序设计题，需考虑输入合法性，时间和空间复杂度，注意:可以用标准库函数或者自己知道的常用库函数操作，如果不记得，需要自己写原始代码实现，但必质保证是可以运行的
1.合并两个有序的数组，数组都是非递减的，合并后的数组依然有序
方法一：
def merge_sort(a, b):
ret = []
while len(a) > 0 and len(b) > 0:
if a[0] <= b[0]:
ret.append(a[0])
a.remove(a[0])
if a[0] >= b[0]:
ret.append(b[0])
b.remove(b[0])
if len(a) == 0:
ret += b
if len(b) == 0:
ret += a
return ret
if __name__ == '__main__':
a = [1, 3, 4, 6, 7, 78, 97, 190]
b = [2, 5, 6, 8, 10, 12, 14, 16, 18]
print(merge_sort(a, b))
方法二：
a = [1, 3, 4, 6, 7, 78, 97, 190]
b = [2, 5, 6, 8, 10, 12, 14, 16, 18]
c = a + b
c = set(c)
c = list(c)
print(c)
2.求n阶乘结果末尾连续0的个数，如5!=120，末尾0的个数为1
方法一：
import re
while 1:
print('[*] --> n! (n>4 and n=N*)')
try:
x=int(input('n=：'))
x=range(x+1)[1:]
y=1
for i in x:
y=i*y
y=str(y)
def count_0(y):
rex=r'(0+\b)'
read=re.findall(rex,y)
return read
a=count_0(y)
except:
print('输入有误！\n')
else:
print('结果：%s\n末尾零数：%d\n'%(y,len(a[0])))
方法二：
n = int(input("输入一个数字:"))
s = 0
n1 = n
while n > 0:
s = s + n // 5
n //= 5
print(n1 ,'!末尾有', s, '个0')
计算出阶乘可以用下面的代码：
def test(n):
if n == 0:
return 1
else:
return n * test(n - 1)
ret = test(10)
print(ret)
我的思考过程是这样的：
1）如果将阶乘结果计算出来的话，求零可以采用能不能整出10的倍数来看，或者将结果转为字符串，利用str.count()求’0’的个数。
2）但是计算阶乘要不用递归要不用递推，运行时间都要很长，无法满足题目中的logn要求。
3）于是想到求0也就是求其中2*5的个数，也就是5的个数，因为每一个偶数都含2，只要有5肯定有2。然后我就遍历求能不能被5整除了。。。好蠢。。。还遍历
4）正确的做法是使用n除以5。
3.反转数字，例如:输入123，输出321；輸入-123，输出-321:输入1032100，输出12301
class Solution(object):
def reverse(self, x):
"""
:type x: int
:rtype: int
"""
# 判断是否为个位数，是个位数则不用反转，直接返回
if -10 < x < 10:
return x
# 把整数x转为字符串
str_x = str(x)
# 判断第一个是否为负号
if str_x[0] != "-":
# 不是负号则直接反转
str_x = str_x[::-1]
# str转为int
x = int(str_x)
else:
# 是负号，则反转负号之后的字符串
str_x = str_x[1:][::-1]
# str转int
x = int(str_x)
# 加上负号
x = -x
# 三目运算符，判断是否溢出
# 如果-2147483648 < x < 2147483647则返回x，否则返回0，所有语言的最大正整数
return x if -2147483648 < x < 2147483647 else 0
if __name__ == '__main__':
s = Solution()
reverse_int = s.reverse(-123123123000)
print(reverse_int)
4.求股极限收益，给出一个数组，表示股价的走势，数组中每个元素代表股票当时的价格。你可以在任何时间点进行交易(即对股票的买入或卖出，但是买入和卖出不能同时进行，且最多只能拥有1股)，可以进行多次交易。设计一个法，求出理论上的极限收益
问题：待解决