【力扣算法14】之 15. 三数之和 python

简介: 【力扣算法14】之 15. 三数之和 python

问题描述

给你一个整数数组 nums ,判断是否存在三元组 [nums[i], nums[j], nums[k]] 满足 i != j、i != k 且 j != k ,同时还满足 nums[i] + nums[j] + nums[k] == 0 。请

你返回所有和为 0 且不重复的三元组。

**注意:**答案中不可以包含重复的三元组。

示例1

输入:nums = [-1,0,1,2,-1,-4]

输出:[[-1,-1,2],[-1,0,1]]

解释:

nums[0] + nums[1] + nums[2] = (-1) + 0 + 1 = 0 。

nums[1] + nums[2] + nums[4] = 0 + 1 + (-1) = 0 。

nums[0] + nums[3] + nums[4] = (-1) + 2 + (-1) = 0 。

不同的三元组是 [-1,0,1] 和 [-1,-1,2] 。

注意,输出的顺序和三元组的顺序并不重要。

示例2

输入:nums = [0,1,1]

输出:[]

解释:唯一可能的三元组和不为 0 。

示例 3

输入:nums = [0,0,0]

输出:[[0,0,0]]

解释:唯一可能的三元组和为 0 。

提示

  • 3 <= nums.length <= 3000
  • -105 <= nums[i] <= 105

思路分析

  1. 首先对数组进行排序,将数组从小到大排序,以便后续操作。
  2. 初始化一个空列表 res,用于存储符合条件的三元组结果。
  3. 开始遍历数组,以每个元素 nums[i] 作为基准。
  4. 在每次遍历中,使用两个指针 left 和 right 分别指向当前元素 nums[i] 的下一个元素和数组的最后一个元素。
  5. 在 left < right 的条件下,进行循环:
  • 计算三个数的和 total = nums[i] + nums[left] + nums[right]。
  • 如果 total 等于 0,说明找到了满足条件的三元组,将其加入结果列表 res 中。
  • 进一步避免重复计算:如果左指针所指的元素与下一个元素相等,则将左指针右移一位,直到不相等为止;同理,如果右指针所指的元素与前一个元素相等,则将右指针左移一位,直到不相等为止。
  • 将左指针右移一位,将右指针左移一位。
  • 如果 total 小于 0,说明三个数之和偏小,将左指针右移一位。
  • 如果 total 大于 0,说明三个数之和偏大,将右指针左移一位。
  1. 返回结果列表 res。

代码分析

  • 将数组进行排序,以方便后续的操作。
  • 初始化一个空列表 res ,用于存储结果。
  • 开始遍历数组,以每个元素 nums[i] 作为基准。
  • 如果当前元素与前一个元素相等,则跳过,以避免重复计算。
  • 初始化指针 left = i + 1 和 right = n - 1,其中 n 是数组的长度。
  • 在 left < right 的条件下,进行循环:
  • 计算三个数的和 total = nums[i] + nums[left] + nums[right]。
  • 如果 total 等于 0,说明找到了满足条件的三元组,将其加入结果列表 res 中。
  • 进一步避免重复计算:如果左指针所指的元素与下一个元素相等,则将左指针右移一位,直到不相等为止;
  • 同理,如果右指针所指的元素与前一个元素相等,则将右指针左移一位,直到不相等为止。
  • 将左指针右移一位,将右指针左移一位。
  • 如果 total 小于 0,说明三个数之和偏小,将左指针右移一位。
  • 如果 total 大于 0,说明三个数之和偏大,将右指针左移一位。
  • 返回结果列表 res。


完整代码


class Solution(object):
    def threeSum(self, nums):
        # 对数组进行排序
        nums.sort()
        n = len(nums)
        res = []
        # 遍历数组,以每个元素 nums[i] 作为基准
        for i in range(n):
            # 如果当前元素与前一个元素相等,则跳过,以避免重复计算
            if i > 0 and nums[i] == nums[i-1]:
                continue
            # 初始化指针 left 和 right
            left = i + 1
            right = n - 1
            # 在 left < right 的条件下,进行循环
            while left < right:
                # 计算三个数的和 total
                total = nums[i] + nums[left] + nums[right]
                # 如果总和等于 0,说明找到了满足条件的三元组
                if total == 0:
                    # 将三元组加入结果列表 res
                    res.append([nums[i], nums[left], nums[right]])
                    # 进一步避免重复计算:将左指针右移一位,直到不与下一个元素相等
                    while left < right and nums[left] == nums[left+1]:
                        left += 1
                    # 进一步避免重复计算:将右指针左移一位,直到不与前一个元素相等
                    while left < right and nums[right] == nums[right-1]:
                        right -= 1
                    # 将左指针右移一位,将右指针左移一位
                    left += 1
                    right -= 1
                # 如果总和小于 0,将左指针右移一位
                elif total < 0:
                    left += 1
                # 如果总和大于 0,将右指针左移一位
                else:
                    right -= 1
        # 返回结果列表 res
        return res

详细分析


  • nums.sort():对输入的数组 nums 进行原地排序,使其按照升序排列。
  • n = len(nums):获取数组 nums 的长度,即元素个数。
  • res = []:创建一个空列表 res,用于存储符合条件的三元组结果。
  • for i in range(n)::遍历数组 nums,以每个元素 nums[i] 作为基准。
  • if i > 0 and nums[i] == nums[i-1]: continue:如果当前元素与前一个元素相等,则跳过循环,以避免重复计算。
  • left = i + 1:初始化指针 left,指向当前元素的下一个位置。
  • right = n - 1:初始化指针 right,指向数组的最后一个元素。
  • while left < right::在 left < right 的条件下,进行循环。
  • total = nums[i] + nums[left] + nums[right]:计算三个数的和 total
  • if total == 0::如果总和等于 0,说明找到了满足条件的三元组。
  • 将三元组 [nums[i], nums[left], nums[right]] 加入结果列表 res
  • 进一步避免重复计算:将左指针右移一位,直到不与下一个元素相等。
  • 进一步避免重复计算:将右指针左移一位,直到不与前一个元素相等。
  • 将左指针右移一位,将右指针左移一位。
  • elif total < 0::如果总和小于 0,将左指针右移一位。
  • else::如果总和大于 0,将右指针左移一位。
  • return res:返回结果列表 res


运行效果截图


调用示例

solution = Solution()
nums = [-1,0,1,2,-1,-4]
nums1 = [0,1,1]
print(solution.threeSum(nums))
print(solution.threeSum(nums1))

运行结果

完结

相关文章
|
13天前
|
算法 数据安全/隐私保护 开发者
马特赛特旋转算法:Python的随机模块背后的力量
马特赛特旋转算法是Python `random`模块的核心,由松本真和西村拓士于1997年提出。它基于线性反馈移位寄存器,具有超长周期和高维均匀性,适用于模拟、密码学等领域。Python中通过设置种子值初始化状态数组,经状态更新和输出提取生成随机数,代码简单高效。
101 63
|
6天前
|
机器学习/深度学习 人工智能 算法
【宠物识别系统】Python+卷积神经网络算法+深度学习+人工智能+TensorFlow+图像识别
宠物识别系统,本系统使用Python作为主要开发语言,基于TensorFlow搭建卷积神经网络算法,并收集了37种常见的猫狗宠物种类数据集【'阿比西尼亚猫(Abyssinian)', '孟加拉猫(Bengal)', '暹罗猫(Birman)', '孟买猫(Bombay)', '英国短毛猫(British Shorthair)', '埃及猫(Egyptian Mau)', '缅因猫(Maine Coon)', '波斯猫(Persian)', '布偶猫(Ragdoll)', '俄罗斯蓝猫(Russian Blue)', '暹罗猫(Siamese)', '斯芬克斯猫(Sphynx)', '美国斗牛犬
57 29
【宠物识别系统】Python+卷积神经网络算法+深度学习+人工智能+TensorFlow+图像识别
|
12天前
|
存储 算法 搜索推荐
Python 中数据结构和算法的关系
数据结构是算法的载体,算法是对数据结构的操作和运用。它们共同构成了计算机程序的核心,对于提高程序的质量和性能具有至关重要的作用
|
24天前
|
机器学习/深度学习 人工智能 算法
基于Python深度学习的【垃圾识别系统】实现~TensorFlow+人工智能+算法网络
垃圾识别分类系统。本系统采用Python作为主要编程语言,通过收集了5种常见的垃圾数据集('塑料', '玻璃', '纸张', '纸板', '金属'),然后基于TensorFlow搭建卷积神经网络算法模型,通过对图像数据集进行多轮迭代训练,最后得到一个识别精度较高的模型文件。然后使用Django搭建Web网页端可视化操作界面,实现用户在网页端上传一张垃圾图片识别其名称。
71 0
基于Python深度学习的【垃圾识别系统】实现~TensorFlow+人工智能+算法网络
|
24天前
|
机器学习/深度学习 人工智能 算法
【手写数字识别】Python+深度学习+机器学习+人工智能+TensorFlow+算法模型
手写数字识别系统,使用Python作为主要开发语言,基于深度学习TensorFlow框架,搭建卷积神经网络算法。并通过对数据集进行训练,最后得到一个识别精度较高的模型。并基于Flask框架,开发网页端操作平台,实现用户上传一张图片识别其名称。
67 0
【手写数字识别】Python+深度学习+机器学习+人工智能+TensorFlow+算法模型
|
24天前
|
机器学习/深度学习 人工智能 算法
基于深度学习的【蔬菜识别】系统实现~Python+人工智能+TensorFlow+算法模型
蔬菜识别系统,本系统使用Python作为主要编程语言,通过收集了8种常见的蔬菜图像数据集('土豆', '大白菜', '大葱', '莲藕', '菠菜', '西红柿', '韭菜', '黄瓜'),然后基于TensorFlow搭建卷积神经网络算法模型,通过多轮迭代训练最后得到一个识别精度较高的模型文件。在使用Django开发web网页端操作界面,实现用户上传一张蔬菜图片识别其名称。
67 0
基于深度学习的【蔬菜识别】系统实现~Python+人工智能+TensorFlow+算法模型
|
29天前
|
存储 算法 Java
leetcode算法题-有效的括号(简单)
【11月更文挑战第5天】本文介绍了 LeetCode 上“有效的括号”这道题的解法。题目要求判断一个只包含括号字符的字符串是否有效。有效字符串需满足左括号必须用相同类型的右括号闭合,并且左括号必须以正确的顺序闭合。解题思路是使用栈数据结构,遍历字符串时将左括号压入栈中,遇到右括号时检查栈顶元素是否匹配。最后根据栈是否为空来判断字符串中的括号是否有效。示例代码包括 Python 和 Java 版本。
|
28天前
|
算法 Python
在Python编程中,分治法、贪心算法和动态规划是三种重要的算法。分治法通过将大问题分解为小问题,递归解决后合并结果
在Python编程中,分治法、贪心算法和动态规划是三种重要的算法。分治法通过将大问题分解为小问题,递归解决后合并结果;贪心算法在每一步选择局部最优解,追求全局最优;动态规划通过保存子问题的解,避免重复计算,确保全局最优。这三种算法各具特色,适用于不同类型的问题,合理选择能显著提升编程效率。
40 2
|
8天前
|
算法
基于GA遗传算法的PID控制器参数优化matlab建模与仿真
本项目基于遗传算法(GA)优化PID控制器参数,通过空间状态方程构建控制对象,自定义GA的选择、交叉、变异过程,以提高PID控制性能。与使用通用GA工具箱相比,此方法更灵活、针对性强。MATLAB2022A环境下测试,展示了GA优化前后PID控制效果的显著差异。核心代码实现了遗传算法的迭代优化过程,最终通过适应度函数评估并选择了最优PID参数,显著提升了系统响应速度和稳定性。
|
5天前
|
算法
基于WOA鲸鱼优化的购售电收益与风险评估算法matlab仿真
本研究提出了一种基于鲸鱼优化算法(WOA)的购售电收益与风险评估算法。通过将售电公司购售电收益风险计算公式作为WOA的目标函数,经过迭代优化计算出最优购电策略。实验结果表明,在迭代次数超过10次后,风险价值收益优化值达到1715.1万元的最大值。WOA还确定了中长期市场、现货市场及可再生能源等不同市场的最优购电量,验证了算法的有效性。核心程序使用MATLAB2022a实现,通过多次迭代优化,实现了售电公司收益最大化和风险最小化的目标。