Solving Coding Problems

Фильтруем список списков (May 25)

Допустим дан список списков. Наша цель оставить только уникальные списки. Причём под уникальностью двух списков понимаем, что они состоят из одних и тех же элементов (порядок не важен).

Как это сделать?

Пример, дан список списков чисел.

store = [
    [7, 2],
    [2, 7],
    [6, 2, 1],
    [1, 1, 7],
    [1, 2, 6],
    [1, 6, 2],
    [2, 2, 1, 3],
    [1, 2, 2, 3],
]

После фильтрации, получим только "уникальные списки":

unique = [
    [2, 7],
    [1, 2, 6],
    [1, 1, 7],
    [1, 2, 2, 3],
]

Почему?

Потому как по нашим условиям:

[7, 2] и [2, 7] ⏤ не уникальны (состоят из одинаковых элементов, но в разном порядке).
[6, 2, 1], [1, 2, 6], [1, 6, 2] ⏤ не уникальны.
[1, 2, 2, 3] и [1, 2, 3, 2] ⏤ не уникальны.

Как оставить только уникальные элементы?

Список необязательно содержит уникальные элементы, а множество как раз таки гарантирует уникальность.

Но множество может хранить только hashable элементы, то есть например tuples, но не lists.

А элементы нашего списка ⏤ тоже списки!

Значит первый шаг: перевести все внутренние списки в tuples:

set_of_values = set(tuple(values) for values in store)

Этого будет недостаточно, ведь такое множество уберёт уникальные элементы, только если они будут равны, например: [2,7] и [2,7]. Но посчитает уникальными списки: [7,2] и [2,7].

Решение: можно сначала отсортировать эти списки, а потом уже конвертировать в tuple. Получим:

unique_as_set = set(tuple(sorted(values)) for values in store)

Используем set comprehension: множество формируется из элементов: tuple(sorted(values)).

Можно сделать то же самое через обычный цикл:

unique_as_set = set()
for values in store:
    unique_as_set.add(tuple(sorted(values)))

Двигаемся дальше, мы достигли цели, теперь у нас только уникальные списки (вернее tuples). Но что если хотим перевести в оригинальный формат, то есть вместо set of tuples получить list of lists?

Теперь используем list comprehension:

unique = [list(values) for values in unique_as_set]

То есть формируем список из элементов: list(values). Можно обычным циклом:

unique = []
for values in unique_as_set:
    unique.append(list(values))

Можно всё сделать в один шаг:

unique = [list(values) for values in set(tuple(sorted(values)) for values in store)]

Можно вывести всё на печать:

print(f'{store=}')
print(f'{unique_as_set=}')
print(f'{unique=}')

Бонус: А если цель посчитать все уникальные списки?

Тогда вместо set используем Counter и кидаем в него отсортированные tuples:

from collections import Counter

counted_values = Counter(tuple(sorted(b)) for b in values)

print(f'{counted_values=}')

Code: https://onlinegdb.com/o_MRBjNxP

Ставим рейтинг списку слов (June 5)

Дан список слов, требуется узнать на каком месте будет положение каждого слова после сортировки списка (игнорируем регистр букв).

Решение:

В качестве примера берём слова из цитаты Линуса Товальдса:

words = ['Talk', 'is', 'cheap', 'Show', 'me', 'the', 'code', 'by', 'Linus', 'Torvalds']

Конструируем массив отсортированных индексов:

indexes = list(range(len(words)))

indexes.sort(key=lambda i: words[i].lower())

indexes[0] содержит индекс слова, которое после сортировки, должно находиться в положении 0.

В общем случае: после сортировки слов, на месте r будет находиться слово words[indexes[r]].

Параметр key в функции sort определяет ключ/свойство, согласно которому производится сортировка.

Создаём словарь ranks, который по индексу i выдаст рейтинг (положение) слова words[i]:

ranks = {}
for r, i in enumerate(indexes):
    ranks[i] = r

А теперь конструируем список пар: слово и его позиция в отсортированном списке.

ranked_words = []
for i, w in enumerate(words):
    ranked_words.append((w, ranks[i]))

print(ranked_words)

Вроде несложно. Можно сократить количество строк, используя разные list/dict comprehension. А в качестве упражнения, попробуем вместить весь код в одну строчку (это для тех, кто дотянет до конца!).

Applying List & Dict Comprehension vs. Map

Список indexes, а также словарь ranks и список ranked_words можно сконструировать каждый в одну строчку:

indexes = sorted(range(len(words)), key=lambda i: words[i].lower())

ranks = {i: r for r, i in enumerate(indexes)}

ranked_words = [(w, ranks[i]) for i, w in enumerate(words)]

Можно первые две строчки объединить, но получим нечто неуклюжее.

Лучше ещё потренируемся в написании альтернативных решений. Словарь rank можно создать такими способами:

ranks = dict(zip(indexes, range(len(words))))

ranks = dict(map(reversed, enumerate(indexes)))

А результирующий список ranked_words, такими способами:

ranked_words = list(zip(words, (ranks[i] for i in range(len(words)))))

ranked_words = list(zip(words, map(ranks.get, range(len(words)))))

ranked_words = [(words[i], ranks[i]) for i in range(len(words))]

Можно, конечно, избавиться от индексов:

indexes = sorted(range(len(words)), key=lambda i: words[i].lower())

ranks = dict(map(reversed, enumerate(indexes)))

ranked_words = list(zip(words, map(ranks.get, range(len(words)))))

Или чисто технически объединить первые две строчки в одну:

ranks = dict(map(reversed, enumerate(sorted(range(len(words)), key=lambda i: words[i].lower()))))

ranked_words = list(zip(words, map(ranks.get, range(len(words)))))

Альтернативное решение: ещё один `sort`

Но можно пойти несколько другим путём. Вот альтернативное решение:

indexes = sorted(range(len(words)), key=lambda i: words[i].lower())

ranks = dict(zip(indexes, range(len(words))))

ranked_words = [(words[i], r) for i, r in sorted(ranks.items())]

После конструирования словаря ranks, преобразовываем его в список пар (индекс, ранк) и сортируем эту последовательность (по индексу). В результате получаем список пар (0, r0), (1, r1), ...

Стало сложнее, но можно заметить, что мы делаем лишний шаг: сам словарь ranks нам не нужен!

Проще сразу сортировать список пар из indexes:

indexes = sorted(range(len(words)), key=lambda i: words[i].lower())

ranked_words = [(words[i], r) for i, r in sorted(zip(indexes, range(len(words))))]

Ну а теперь, можно и в одну строчку:

ranked_words = [(words[i], r) for i, r in sorted(zip(sorted(range(len(words)), key=lambda i: words[i].lower()), range(len(words))))]

На работе за такое "побьют"!!!

Code in https://onlinegdb.com/eMH7atQTP

Nested Dictionary, Recursion, Set Comprehension, Generators (Aug 29)

Problem: Given a nested dictionary, in which each value is either a word or another dictionary (of the same type).

Write a function that finds all unique words in this dictionary.

def find_unique(d: dict) -> set[str]

Examples:

Input: {1: hello, 2: hi, 3: hi}
Output: {hello}
Input: {10: hello, 20: hi, 30: {2: hi, 7:you}}
Output: {hello, you}

Решение задачи состоит из двух частей:

Найти все слова в данной структуре данных.
Выбрать только уникальные из них.

Пробегаем по всем значениям словаря (ключи нам не важны).

Собираем, те которые являются простыми строками.

Рекурсивно обрабатываем значения, которые являются словарями.

Следующая функция реализует рекурсивную обработку:

def get_words(d: dict) -> list[str]:
    words = []
    for value in d.values():
        if isinstance(value, dict):
            words.extend(get_words(value))
        else:
            words.append(value)

    return words

В чём разница между isinstance(value, dict) и type(value) == dict?

Считаем количество копий для каждого найденного слова.

Оставляем только те, которые уникальны (количество копий == 1):

from collections import Counter

def find_unique(d: dict) -> set[str]:
    words = get_words(d)
    c = Counter(words)
    unique = set()
    for word, n in c.items():
        if n == 1:
            unique.add(word)

    return unique

Тесты:

from collections import defaultdict

dicts = (
    {10: 'hello', 20: 'hi'},
    {10: 'hello', 20: 'hi', 30: 'hi'},
    {10: 'hello', 20: 'hi', 30: {2: 'hi', 7: 'you'}},
    {10: 'hello', 20: 'hi', 30: defaultdict(str, {2: 'hi', 7: 'you'})},
)

for d in dicts:
    print(find_unique(d))

Output:

{'hello', 'hi'}
{'hello'}
{'hello', 'you'}
{'hello', 'you'}

Рассмотрим разные улучшения

Используя set-comprehension, функцию find_unique можно реализовать в одну строчку:

def find_unique(d: dict) -> set[str]:
    return {word for word, n in Counter(get_words(d)).items() if n == 1}

Чтобы избежать многократного создания списков (из-за рекурсивных вызовов) и копирования слов из списка в список, рекурсивная функция может просто добавлять все найденные слова в один и тот же список:

def get_words(d: dict) -> list[str]:
    words = []

    def get_all(d: dict) -> None:
        for value in d.values():
            if isinstance(value, dict):
                get_all(value)
            else:
                words.append(value)

    get_all(d)

    return words

Рекурсивная обработка производится внутренней функцией, а внешняя фактически является обёрткой, чтобы сохранить ту же самую сигнатуру (определение).

В следующем варианте, вместо создания списка слов, который потенциально может быть очень длинным, используется ленивый поиск слов, через генератор.

from typing import Iterator

def get_words(d: dict) -> Iterator[str]:
    for value in d.values():
        if isinstance(value, dict):
            for v in get_words(value):
                yield v
        else:
            yield value

Следующее решение сразу создаёт Counter, в котором подсчитываются копии каждого слова.

from collections import Counter

def get_words(d: dict) -> Counter:
    c = Counter()

    def get_all(d: dict) -> None:
        for value in d.values():
            if isinstance(value, dict):
                get_all(value)
            else:
                c[value] += 1

    get_all(d)

    return c

def find_unique(d: dict) -> set[str]:
    return {word for word, n in get_words(d).items() if n == 1}

Это наиболее оптимальное решение из всех рассмотренных

https://onlinegdb.com/ohW2_B63i

LeetCode/Easy: Пять задач с решением в одну строчку (June 24)

LeetCode 242. Valid Anagram

https://leetcode.com/problems/valid-anagram/

Given two strings s and t, return true if t is an anagram of s, and false otherwise.

An Anagram is a word formed by rearranging the letters of a different word, using all the original letters exactly once.

def is_аnagram(s: str, t: str) -> bool:
    return sorted(list(s)) == sorted(list(t))

LeetCode 169. Majority Element

https://leetcode.com/problems/majority-element/

Given an array nums of size n, return the majority element.

The majority element is the element that appears more than ⌊n / 2⌋ times.

from collections import Counter

def majority_еlement(nums: list[int]) -> int:
    return next((v for v,c in Counter(nums).items() if c > len(nums) // 2), None)

LeetCode 229. Majority Element II

https://leetcode.com/problems/majority-element-ii/

Given an integer array of size n, find all elements that appear more than ⌊ n / 3 ⌋ times.

from collections import Counter

def majority_elements(nums: list[int]) -> list[int]:
    return [v for v,c in Counter(nums).items() if c > len(nums) // 3]

LeetCode 217. Contains Duplicate

https://leetcode.com/problems/contains-duplicate/

Given an integer array nums, return true if any value appears at least twice in the array and return false if every element is distinct.

from collections import Counter

def contains_dup(nums: list[int]) -> bool:
    return any(c >= 2 for c in Counter(nums).values())

from collections import Counter

def contains_dup(nums: list[int]) -> bool:
    return max(Counter(nums).values()) >= 2

LeetCode 350. Intersection of Two Arrays II

https://leetcode.com/problems/intersection-of-two-arrays-ii/

Given two integer arrays nums1 and nums2, return an array of their intersection. Each element in the result must appear as many times as it shows in both arrays.

from collections import Counter

def intersect(nums1: list[int], nums2: list[int]) -> list[int]:
    return (Counter(nums1) & Counter(nums2)).elements()

LeetCode/Easy: Пять задач на структуры данных и рекурсию (Aug 19)

Параллельно будем использовать новый оператор match-case и сравним его с коротким if-else.

LeetCode 21. Merge Two Sorted Lists

https://leetcode.com/problems/merge-two-sorted-lists/

Given the heads of two sorted linked lists. Merge the two lists into one sorted list. The list should be made by splicing together the nodes of the first two lists.

Дано определение списка (linked list):

class ListNode:
    def __init__(self, val=0, next=None):
        self.val = val
        self.next = next

Решение:

def merge(p: ListNode|None, q: ListNode|None) -> ListNode|None:
    match p, q:
        case p, None:
            return p
        case None, q:
            return q
        case p, q if p.val <= q.val:
            return ListNode(p.val, merge(p.next, q)) 
        case p, q:
            return merge(q, p)

Конструкция match-case довольно громоздка, но в данном случае добавляет ясности:

Если один один из списков пустой, ответом является второй список.
Если голова первого списка меньше головы второго, берём значение первого и сливаем оставшийся хвост со вторым списком.
В случае, если голова второго меньше, то просто меняем их местами.

Вызов функции: merge(list1, list2)

Можно и в одну строчку, с использованием короткой формы if-else:

def merge(p: ListNode|None, q: ListNode|None) -> ListNode|None:
    return (ListNode(p.val, merge(p.next, q)) if p.val <= q.val else merge(q, p)) if p and q else p or q

Задания:

Два первых блока case можно объединить, как?
Перепишите функцию с использованием обычного оператора if-elif-else.
Решите задачу без рекурсии (используя цикл, будет длиннее).

LeetCode 104. Maximum Depth of Binary Tree

https://leetcode.com/problems/maximum-depth-of-binary-tree/

Given the root of a binary tree, return its maximum depth, which is the number of nodes along the longest path from the root node down to the farthest leaf node.

Дано определение списка (linked list):

class TreeNode:
    def __init__(self, val=0, left=None, right=None):
        self.val = val
        self.left = left
        self.right = right

Решение:

def depth(r: TreeNode|None) -> int:
    match r:
        case None:
            return 0
        case TreeNode(val=_, left=left, right=right):
            return max(depth(left), depth(right)) + 1

Если дерево пустое, то ответ 0.
Для не пустого дерева, его depth на единицу больше чем максимальная глубина среди его поддеревьев.

Вызываем функцию так: depth(root)

В одну строчку:

def depth(r: TreeNode|None) -> int:
    return max(depth(r.left), depth(r.right)) + 1 if r else 0

Задания:

Последний блок case замените на case _.
Замените короткий if-else оператором if-elif-else.

LeetCode 100. Same Tree

https://leetcode.com/problems/same-tree/

Given two binary trees, check if they are the same or not. Two binary trees are considered the same if they are structurally identical and the nodes have the same value.

Решение:

def same(p: TreeNode|None, q: TreeNode|None) -> bool:
    match p, q:
        case None, None:
            return True
        case p, None if p is not None:
            return False
        case None, q if q is not None:
            return False
        case p, q:
            return all((p.val == q.val, same(p.left, q.left), same(p.right, q.right)))

Два пустых дерева ⏤ идентичны.
Если только одно из деревьев пустое, то они не идентичны.
Два не пустых дерева идентичны, если значения в их корнях совпадают, а также идентичными являются их левые и правые поддеревья (попарно).

Стандартная функция all возвращает True если все значения равны True, фактически это то же самое что ... and ... and ... .

Вызываем: same(p, q)

В одну строчку:

def same(p: TreeNode|None, q: TreeNode|None) -> bool:
    return all((p.val == q.val, same(p.left, q.left), same(p.right, q.right))) if p and q else p == q == None

Задания:

В первой функции, объедините второй и третий блоки case.
Замените короткий if-else оператором if-elif-else.

LeetCode 101. Symmetric Tree

https://leetcode.com/problems/symmetric-tree/

Given the root of a binary tree, check whether it is a mirror of itself (i.e., symmetric around its center).

Решение:

Напишем функцию, которая проверяет если два данных дерева симметричны друг к другу:

def symmetric(p: TreeNode|None, q: TreeNode|None) -> bool:
    match p, q:
        case None, None:
            return True
        case p, None if p is not None:
            return False
        case None, q if q is not None:
            return False
        case _:
            return all((p.val == q.val, symmetric(p.left, q.right), symmetric(p.right, q.left)))

Два не пустые дерева симметричны, если их корни совпадают, левое поддерево первого дерева симметрично правому поддереву второго дерева, а также симметричны правое поддерево первого дерева и левое поддерево второго дерева.

Вызов функции: not root or symmetric(root.left, root.right)

В одну строчку:

def symmetric(p: TreeNode|None, q: TreeNode|None) -> bool:
    return all((p.val == q.val, symmetric(p.left, q.right), symmetric(p.right, q.left))) if p and q else p == q == None

Задания:

Объедините первые три блока case в один.
Замените короткий if-else оператором if-elif-else.

LeetCode 112. Path Sum

https://leetcode.com/problems/path-sum/

Given a binary tree and an integer target, return true if the tree has a root-to-leaf path such that adding up all the values along the path equals target. A leaf is a node with no children.

Решение:

def has_path(r: TreeNode|None, target: int) -> bool:
    match r:
        case None:
            return False
        case TreeNode(val=val, left=None, right=None):
            return val == target
        case TreeNode(val=val, left=left, right=right):
            return has_path(left, target-val) or has_path(right, target-val)

В данном случае процесс matching более сложный, поскольку используется паттерн по объектам.

Для узла-листа (второй case), ответ True только если target совпадает с его значением.
Для общего случая проверяем левое и правое поддеревья.

Вызываем: has_path(root, targetSum)

В одну строчку:

def has_path(r: TreeNode|None, target: int) -> bool:
    return (has_path(r.left, target - r.val) or has_path(r.right, target - r.val) if r.left or r.right else r.val == target) if r else False

Задания:

Замените последний case на case _.
Замените короткий if-else оператором if-elif-else.

LeetCode/Easy 9: Palindrome Number (May 17)

https://leetcode.com/problems/palindrome-number/

Given an integer x, return True if x is a palindrome integer.

An integer is a palindrome when it reads the same backward as forward.

For example, 121 is a palindrome while 123 is not.

Рассмотрим несколько решений этой задачи.

Вы знали что s[::-1] ⏤ переворачивает строку (а также список и кортеж)? Сначала целое x конвертируем в строку s, а затем сравниваем строку с её перевертышем. Это самое простое решение:

def is_palindrome(x: int) -> bool:
    s = str(x)
    return s == s[::-1]

Необязательно сравнивать целую строку, можно сравнить префикс с перевернутым суффиксом:

def is_palindrome(x: int) -> bool:
    s = str(x)
    return s[:len(s)//2] == s[:(len(s)-1)//2:-1]

То же самое, что и первое решение, но через итераторы. В данном случае, не создаём перевёртыш строки, а бежим по ней в обратном порядке (reversed). Функция zip умеет бегать одновременно по нескольким iterables. A функция all возвращает True, если не встречает ни одного False!

def is_palindrome(x: int) -> bool:
    s = str(x)
    return all(a == b for a,b in zip(s, reversed(s)))

Похожее решение, но бегаем только по префиксу и суффиксу:

def is_palindrome(x: int) -> bool:
    s = str(x)
    return all(s[i] == s[-i-1] for i in range(len(s)//2))

Простой цикл, без всяких comprehensions. Помним, что отрицательный индекс указывает на последние элементы?

def is_palindrome(x: int) -> bool:
    s = str(x)
    for i in range(len(s)):
        if s[i] != s[-i-1]:
            return False
    return True

То же самое, только бегаем по префиксу и суффиксу:

def is_palindrome(x: int) -> bool:
    s = str(x)
    for i in range(0, len(s)//2):
        if s[i] != s[-i-1]:
            return False
    return True

То же самое, только через цикл while:

def is_palindrome(x: int) -> bool:
    s = str(x)
    i, j = 0, len(s)-1
    while i < j:
        if s[i] != s[j]:
            return False
        i += 1
        j -= 1
    return True

То же самое, только короче:

def is_palindrome(x: int) -> bool:
    s = str(x)
    i = 0
    while i < len(s)//2:
        if s[i] != s[-i-1]:
            return False
        i += 1
    return True

А тут мы не переводим целое в строку. Младшие цифры x перекидываем в старшие цифры y. То есть y ⏤ это перевернутое целое от x:

def is_palindrome(x: int) -> bool:
    y, z = 0, x
    while z > 0:
        y = 10*y + z % 10
        z //= 10            
    return y == x

Code: https://onlinegdb.com/ghcfGOncm

LeetCode/Medium 39: Combination Sum (May 25)

https://leetcode.com/problems/combination-sum/

Дан массив различных целых чисел (candidates) и целевое целое число (target).

Вернуть все уникальные комбинации кандидатов, такие что сумма кандидатов в комбинации была равна target.

В комбинации кандидат может быть представлен любое количество раз.

Пример 1:
candidates = [2,3,6,7]
target = 7
Полученные комбинации: [[2,2,3], [7]]

7 = 7

7 = 2 + 2 + 3

Пример 2:
candidates = [2,3,5]
target = 8
Полученные комбинации: [[2,2,2,2], [2,3,3], [3,5]]

8 = 2 + 2 + 2 + 2

8 = 2 + 3 + 3

8 = 3 + 5

Рассмотрим несколько решений этой задачи.

Функция combination_sum(candidates, target) будет использовать внутреннюю рекурсивную функцию: comb(k, target).

comb(k, target) возвращает такие все комбинации, которые суммируются в target и состоят только из первых k кандидатов.

Частные случаи:

comb(0, 0) должна вернуть всего одно решение, пустое, поэтому: [[]].
comb(0, target), если target ⏤ не 0, то нет решений: [].

Посмотрите на разницу: есть одно пустое решение [[]] и нет решений вообще [].

Какие ещё частные случаи можно заметить?

comb(1, target), если target равен candidates[0], то возвращаем: [[target]].
Действительно, если дан всего один кандидат, причём равный целевому числу, то получаем одну возможную комбинацию.
comb(1, target), если target не равен candidates[0], то нет решений: [].

Общий случай:

comb(k, target) можно разбить на два случая:

если пропускаем кандидата под номером k-1 (не включаем его в комбинацию), то делаем рекурсивный вызов: comb(k-1, target) ⏤ это часть решения.
если кандидат не превышает целевое число, пытаемся включить его в комбинацию.
Делаем рекурсивный вызов: comb(k, target-candidates[k-1]).
Раз включили в комбинацию, то цель уменьшилась на величину кандидата (target-candidates[k-1]).
Мы не исключаем повторное использование кандидата, поэтому вызываем с параметром k, а не k-1.

Но это ещё не всё: ко всем комбинациям, которые суммируются в значение target-candidates[k-1], добавляем один элемент (кандидата). Только тогда такая комбинация будет суммироваться именно в target.

К рекурсивной функции (comb), можно добавить кэширование вызовов: @cache.

def combination_sum(candidates: list[int], target: int) -> list[list[int]]:
    def comb(k: int, target: int) -> list[list[int]]:
        if k == 0:
            if target == 0:
                return [[]]
            return []

        res = list(comb(k-1, target))
        if candidates[k-1] <= target:
            res.extend(c + [candidates[k-1]] for c in comb(k, target-candidates[k-1]))
        return res

    return comb(len(candidates), target)

Следующее решение несколько отличается от предыдущего.

Добавлен параметр tail, который собирает текущую комбинацию. Ещё одно отличие: рекурсивная функция добавляет полученную комбинацию в список, а не возвращает её. Ну и интенсивно используется tuple, а не list. Это даёт возможность кэшировать ответы.

def combination_sum(candidates: list[int], target: int) -> list[list[int]]:
    res = []
    def comb(k: int, target: int, tail: tuple[int]):
        if k == 0:
            if target == 0:
                res.append(tail)
            return

        comb(k-1, target, tail)
        if candidates[k-1] <= target:
            comb(k, target-candidates[k-1], tail + (candidates[k-1],))    

    comb(len(candidates), target, tuple())
    return res

А в следующем решении возвращаемся к спискам, также уменьшаем количество рекурсивных вызовов (заменяем циклом).

Самый хитрый момент состоит в том, что параметр tail может меняться, но когда и если это происходит, то мы копируем список, чтобы избежать порчи данных.

Тут уж кэширование не будет работать:

def combination_sum(candidates: list[int], target: int) -> list[list[int]]:
    res = []
    def comb(k: int, target: int, tail: list[int]):
        if k == 0:
            if target == 0:
                res.append(tail)
            return        

        comb(k-1, target, tail)
        tail = tail[:]
        while candidates[k-1] <= target:
            tail.append(candidates[k-1])
            target -= candidates[k-1]
            comb(k-1, target, tail)

    comb(len(candidates), target, [])
    return res

Остальные решения смотрите тут: https://onlinegdb.com/2S4gQRwbe

LeetCode/Medium 75: Sort Colors (May 25)

https://leetcode.com/problems/sort-colors/

Given an array nums with n objects colored red, white, or blue, sort them in-place so that objects of the same color are adjacent, with the colors in the order red, white, and blue.

We will use the integers 0, 1, and 2 to represent the color red, white, and blue, respectively.

You must solve this problem without using the library's sort function.

Example 1:

Input: nums = [2,0,2,1,1,0] Output: [0,0,1,1,2,2]

Example 2:

Input: nums = [2,0,1] Output: [0,1,2]

Начнём с более простой задачи, когда присутствуют только два цвета: red (0) и white (1).

Один из способов отсортировать массив из 0 и 1: это запустить partition:

Все 0 слева пропускаем, затем все 1 справа пропускаем.
Если уперлись слева в 1, а справа в 0, то делаем swap.
Повторяем процесс, пока не проверим все числа.

Теперь с тремя цветами:

Делим массив так: слева собираем все 0, а справа все 1 и 2.
Затем делим правую часть массива на 1 (идут в левую часть), а все 2.

def sort_colors0(nums: list[int]) -> None:
    def partition(beg, end, left):
        i = beg
        j = end
        while True:
            while i < j and nums[i] == left:
                i += 1
            while i < j and nums[j-1] != left:
                j -= 1

            if i == j:
                break

            nums[i], nums[j-1] = nums[j-1], nums[i]
        return i

    mid = partition(0, len(nums), 0)
    partition(mid, len(nums), 1)

Ещё более простое решение: подсчитываем сколько 0, 1 и 2 в массиве. Далее просто заполняем массив: сначала пойдут все 0, потом 1, а затем: 2.

from collections import Counter

def sort_colors1(nums: list[int]) -> None:
    c = Counter(nums)
    for i in range(len(nums)):
        nums[i] = 0 if i < c[0] else 1 if i < c[0] + c[1] else 2

Следующее решение похоже на предыдущее, но потенциально может быть несколько более быстрым:

from collections import Counter

def sort_colors2(nums: list[int]) -> None:
    c = Counter(nums)
    for i in range(c[0]):
        nums[i] = 0

    for i in range(c[0], c[0]+c[1]):
        nums[i] = 1

    for i in range(c[0]+c[1], len(nums)):
        nums[i] = 2

Code to play: https://onlinegdb.com/P2hNkRMdH

Pig It — в одну строчку (Oct 25)

Problem: Write a function pig_it that on the given text, moves the first letter of each word to the end of it, then adds 'ay' to the end of the word.

It must leave punctuation marks untouched.

Examples:

pig_it('Pig latin is cool')

returns: igPay atinlay siay oolcay

pig_it('Hello world !')

returns: elloHay orldway !

Функция pig_it перемешивает каждое слово в тексте: первая буква прыгает в конец слова, к которому добавляется суффикс 'ay'. При этом функция не трогает пунктуацию.

Сделаем несколько упрощающих предположений:

Слова и знаки пунктуации разделены друг от друга ровно одним пробелом.
В качестве знаков пунктуации допустимы только символы: ',', '.', '!', '?', ':', ';'.
Встречаются только одиночные знаки пунктуации (например, запрещён: ??? или !?).

Реализуем алгоритм по шагам:

Step 1: Как проверить, что данное слово, w, состоит только из знака пунктуации? Можно это сделать следующими способами (результат проверки запоминаем в переменной):

is_punctuation_mark = w == ',' or w == '.' or w == '!' or w == '?' or w == ':' or w == ';'

Делаем короче, через проверку в кортеже:

is_punctuation_mark = w in (',', '.', '!', '?', ':', ';')

Проверяем, если слово находится среди элементов кортежа.

Поскольку строка — это фактически кортеж символов, то кортеж можно заменить строкой, а проверку наличия элемента в кортеже — заменим проверкой наличия символа в строке:

is_punctuation_mark = w in ',.!?:;'

Лучше запомнить все знаки препинания в строковой переменной:

punctuation_marks = ',.!?:;'

is_punctuation_mark = w in punctuation_marks

Step 2: Если дано слово, w (не знак препинания), как из него получить pigged_w?

pigged_w = w[1:] + w[0] + 'ay'

Сливаем вместе все символы начиная со второго, в конце добавляем первый символ слова и 'ay'. Для суффикса введём переменную suffix:

suffix = 'ay'

pigged_w = w[1:] + w[0] + suffix

Step 3: Дано слово, w (без пробелов), если w — это знак препинания, то оставим w как есть, в противном случае, перетасуем буквы w согласно условию задачи. Запомним результат в переменной pigged_w:

is_punctuation_mark = w in punctuation_marks
if is_punctuation_mark:
    pigged_w = w
else:
    pigged_w = w[1:] + w[0] + suffix

Step 4: Теперь разобьем текст на слова, и пробежимся по каждому слову:

words = text.split()
for w in words:
    pass

Step 5: Получили цикл-for, который ничего не делает, но теперь у нас есть возможность обработать каждое слово из text:

words = text.split()
for w in words:
    is_punctuation_mark = w in punctuation_marks
    if is_punctuation_mark:
        pigged_w = w
    else:
        pigged_w = w[1:] + w[0] + suffix

Step 6: Пока, мы ничего не делам со значениями pigged_w. Их следует запомнить в списке, скажем, pigged_words. Теперь все перемешанные слова можно соединить в pigged_text:

pigged_words = []
words = text.split()
for w in words:
    ...

pigged_text = ' '.join(pigged_words)

Step 7: Соберём весь код в одной функции:

punctuation_marks = ',.!?:;'
suffix = 'ay'

def pig_it(text):
    pigged_words = []
    words = text.split()
    for w in words:
        is_punctuation_mark = w in punctuation_marks
        if is_punctuation_mark:
            pigged_w = w
        else:
            pigged_w = w[1:] + w[0] + suffix

        pigged_words.append(pigged_w)

    pigged_text = ' '.join(pigged_words)
    return pigged_text

Получили желаемое решение. Теперь следует проверить корректность функции и покрыть её тестами (смотрите ниже). Тесты помогут не сломать решение во время оптимизации кода.

Refactoring

Сократим код, избавляясь от всех переменных, которые используются только в одном месте:

def pig_it(text):
    pigged_words = []
    for w in text.split():
        if w in punctuation_marks:
            pigged_w = w
        else:
            pigged_w = w[1:] + w[0] + suffix

        pigged_words.append(pigged_w)

    return ' '.join(pigged_words)

Перепишем команду-if через укороченное выражение-if:

def pig_it(text):
    pigged_words = []
    for w in text.split():
        pigged_w = w if w in punctuation_marks else w[1:] + w[0] + suffix
        pigged_words.append(pigged_w)

    return ' '.join(pigged_words)

Избавляемся от pigged_w:

def pig_it(text):
    pigged_words = []
    for w in text.split():
        pigged_words.append(w if w in punctuation_marks else w[1:] + w[0] + suffix)

    return ' '.join(pigged_words)

Чисто механически заменяем цикл-for и append на List Comprehension:

def pig_it(text):
    pigged_words = [w if w in punctuation_marks else w[1:] + w[0] + suffix for w in text.split()]
    return ' '.join(pigged_words)

Избавляемся от pigged_words:

def pig_it(text):
    return ' '.join([w if w in punctuation_marks else w[1:] + w[0] + suffix for w in text.split()])

Можно удалить скобки [ ]. Почему? Что поменялось?

def pig_it(text):
    return ' '.join(w if w in punctuation_marks else w[1:] + w[0] + suffix for w in text.split())

Мы достигли решения в одну строчку (one-liner).

Иногда код коротких функций записывают на той же строке, сразу после определения функции (тут это излишне, но так иногда делают):

def pig_it(text): return ' '.join(w if w in punctuation_marks else w[1:] + w[0] + suffix for w in text.split())

Можно также определять безымянные функции через lambda.

pig_it = lambda text: ' '.join(w if w in punctuation_marks else w[1:] + w[0] + suffix for w in text.split())

Заметим, что запоминая lambda в переменной, фактически, даём ей имя. Большого смысла в этом нет, но такой код тоже можно встретить.

Testing

Группу тестов определяем в одной таблице. Для каждого теста указываем входное значение и ожидаемый результат:

def test():
    table = (
        ('', ''),
        (';', ';'),
        ('; . , :', '; . , :'),
        ('a', 'aay'),
        ('Pig latin is cool', 'igPay atinlay siay oolcay'),
        ('Hello world !', 'elloHay orldway !'),
    )

    for text, expected in table:
        pigged_text = pig_it(text)
        print(f'{pigged_text = }, {pigged_text == expected = }')

test()

Функция test запускает pig_it для каждого теста и сверяет полученный результат с ожидаемым значением.

Code: https://onlinegdb.com/PtHfV39vU

LeetCode/Medium: Five Problems: Sort vs. Heap

LeetCode 215. k-th largest element in an array

https://leetcode.com/problems/kth-largest-element-in-an-array/

Given an integer array nums and an integer k, return the k-th largest element in the array. Note that it is the k-th largest element in the sorted order, not the kth distinct element.
Input: nums = [3,2,1,5,6,4], k = 2
Output: 5

В задаче требуется найти k наибольших элемента в списке. Каждому решению даём имя. В последующих задачах будем применять похожие подходы, а имена помогут сориентироваться между разными методами:

Sorting

Сортируем список и берём последние k элемента:

def find_klargest(nums: list[int], k: int) -> int:
    return sorted(nums)[-k]

Time Complexity: O(n log n)
Space Complexity: O(n)

Heap + nlargest

Структура данных Heap (куча) используется в задачах, где требуется PriorityQueue или для частичной сортировки данных. В Python, MinHeap находится в библиотеке heapq.

Там же есть функция nlargest, которая может найти k самых больших элемента в iterable быстрее, чем стандартная сортировка, при условии, если k значительно меньше, чем количество элементом в списке.

import heapq

def find_klargest(nums: list[int], k: int) -> int:
    return heapq.nlargest(k, nums)[-1]

Time Complexity: O(n + k log n)
Space Complexity: O(n)

CountingSort

По условию задачи, диапазон значений каждого числа значительно меньше, чем количество чисел в списке. Значит, можно ускорить сортировку: используем метод подсчёта.

from collections import Counter

def find_klargest(nums: list[int], k: int) -> int:
    count = Counter(nums)
    for num in sorted(count.keys(), reverse=True):
        if count[num] >= k:
            return num

        k -= count[num]

Time Complexity: O(n)
Space Complexity: O(n)

MaxHeap + heapify

Можно использовать Heap напрямую. Нам нужен MaxHeap, но в heapq есть только MinHeap. У каждого числа в списке, меняем знак на противоположенный ⏤ этот трюк позволяет работать с MinHeap как с MaxHeap.

Функция heapify создаёт MinHeap, то есть частично сортирует данные. Под индексом 0 получим самый маленький элемент, что по сути будет являться самым большим в оригинальном списке (если поменять знак на противоположенный).

import heapq

def find_klargest(nums: list[int], k: int) -> int:
    ordered = [-num for num in nums]
    heapq.heapify(ordered)
    for _ in range(k-1):
        heapq.heappop(ordered)

    return -ordered[0]

Time Complexity: O(n + k log n)
Space Complexity: O(n)

k-MinHeap

На этот раз используем MinHeap, в котором ограничиваем размер до k. Добавляем по очереди элементы в кучу, если после добавления, размер кучи превышает k, удаляем минимальный элемент. В конце куча будет содержать k самых больших числа.

import heapq

def find_klargest(nums: list[int], k: int) -> int:
    ordered = []
    for num in nums:
        heapq.heappush(ordered, num)
        if len(ordered) > k:
            heapq.heappop(ordered)

    return ordered[0]

Time Complexity: O(k log n)
Space Complexity: O(k)

LeetCode 347. Top k frequent elements

https://leetcode.com/problems/top-k-frequent-elements/

Given an integer array nums and an integer k, return the k most frequent elements. You may return the answer in any order.
Input: nums = [1,1,1,2,2,3], k = 2
Output: [1,2]

Требуется вернуть k наиболее часто встречающихся элемента.

Sorting

Методу sorted можно передать ключ сортировки. То есть вместо того, чтобы сравнивать x и y, функция sorted сравнит count[x] и count[y]:

from collections import Counter

def top_kfrequent(nums: list[int], k: int) -> list[int]:
    count = Counter(nums)
    ordered = sorted(count.keys(), key=count.get)
    return ordered[-k:]

Time Complexity: O(n log n)
Space Complexity: O(n)

Heap + nlargest

import heapq
from collections import Counter

def top_kfrequent(nums: list[int], k: int) -> list[int]:
    count = Counter(nums)
    return heapq.nlargest(k, count.keys(), key=count.get)

Time Complexity: O(n + k log n)
Space Complexity: O(n)

MaxHeap + heapify

У функции heapify нет параметра key. Чтобы заставить сортировать числа по их частоте (повторению), создаём MinHeap из пар (-c, num). В результате heapify выполнит сортировку по -c.

import heapq
from collections import Counter

def top_kfrequent(nums: list[int], k: int) -> list[int]:
    count = Counter(nums)
    ordered = [(-c, num) for num, c in count.items()]
    heapq.heapify(ordered)
    return [heapq.heappop(ordered)[1] for _ in range(k)]

Time Complexity: O(n + k log n)
Space Complexity: O(n)

k-MinHeap

import heapq
from collections import Counter

def top_kfrequent(nums: list[int], k: int) -> list[int]:
    count = Counter(nums)
    ordered = []
    for num, c in count.items():
        heapq.heappush(ordered, (c, num))
        if len(ordered) > k:
            heapq.heappop(ordered)

    return [num for _, num in ordered]

Time Complexity: O(n log k)
Space Complexity: O(n)

LeetCode 1985. Find the k-th largest integer in the array

https://leetcode.com/problems/find-the-kth-largest-integer-in-the-array/

You are given an array of strings nums and an integer k. Each string in nums represents an integer without leading zeros.

Return the string that represents the k-th largest integer in nums.

Duplicate numbers should be counted distinctly. For example, if nums is ['1', '2', '2'],

'2' is the first largest integer,

'2' is the second-largest integer, and

'1' is the third-largest integer.
Input: nums = ['3', '6', '7', '10'], k = 4
Output: '3'
Explanation: The numbers in nums sorted in non-decreasing order are ['3', '6', '7', '10']. The 4th largest integer in nums is '3'.

Требуется найти k-самое большое число, представленное в виде строки.

Sorting

Установим параметр key=int, что заставит sorted сортировать строки согласно их числовым представлениям (иначе данные будут отсортированы лексикографически, как в словариках).

def klargest_num(nums: list[str], k: int) -> str:
    return sorted(nums, key=int)[-k]

Time Complexity: O(n log n)
Space Complexity: O(n)

Heap + nlargest

import heapq

def klargest_num(nums: list[str], k: int) -> str:
    return heapq.nlargest(k, nums, key=int)[-1]

Time Complexity: O(n + k log n)
Space Complexity: O(n)

MaxHeap + heapify

Опять создаём кучу из пар (-int(w), w), что фактически создаёт MaxHeap сортирующую строки w согласно их числовым представлениям:

import heapq

def klargest_num(nums: list[str], k: int) -> str:
    ordered = [(-int(w), w) for w in nums]
    heapq.heapify(ordered)
    for _ in range(k-1):
        heapq.heappop(ordered)

    return ordered[0][1]

Time Complexity: O(n + k log n)
Space Complexity: O(n)

k-MaxHeap

import heapq

def klargest_num(nums: list[str], k: int) -> str:
    ordered = []
    for w in nums:
        heapq.heappush(ordered, (int(w), w))
        if len(ordered) > k:
            heapq.heappop(ordered)

    return ordered[0][1]

Time Complexity: O(n log k)
Space Complexity: O(k)

LeetCode 973. K closest points to origin

https://leetcode.com/problems/k-closest-points-to-origin/

Given an array of points where points[i] = [xi, yi] represents a point on the X-Y plane and an integer k, return the k closest points to the origin (0, 0).

The distance between two points on the X-Y plane is the Euclidean distance (i.e., √[(x1 - x2)^2 + (y1 - y2)^2]).
Input: points = [[1,3],[-2,2]], k = 1
Output: [[-2,2]]

Требуется найти k точек, ближайших к центру плоскости О(0,0).

Sorting

Сортируем точки (x,y) по квадрату их дистанции до точки O: х**2 + y**2:

def kclosest(points: list[list[int]], k: int) -> list[list[int]]:
    return sorted(points, key=lambda p: p[0]**2 + p[1]**2)[:k]

Time Complexity: O(n log n)
Space Complexity: O(n)

Heap + nsmallest

Для функции nlargest есть аналогичная: nsmallest, которая находит минимальныe элементы:

import heapq

def kclosest(points: list[list[int]], k: int) -> list[list[int]]:
    return heapq.nsmallest(k, points, key=lambda p: p[0]**2 + p[1]**2)

Time Complexity: O(n + k log n)
Space Complexity: O(n)

MinHeap + heapify

import heapq

def kclosest(points: list[list[int]], k: int) -> list[list[int]]:
    ordered = [(p[0]**2 + p[1]**2, p) for p in points]
    heapq.heapify(ordered)
    return [heapq.heappop(ordered)[1] for _ in range(k)]

Time Complexity: O(n + k log n)
Space Complexity: O(n)

k-MaxHeap

import heapq

def kclosest(points: list[list[int]], k: int) -> list[list[int]]:
    ordered = []
    for p in points:
        heapq.heappush(ordered, (-p[0]**2 - p[1]**2, p))
        if len(ordered) > k:
            heapq.heappop(ordered)

    return [p[1] for p in ordered]

Time Complexity: O(n log k)
Space Complexity: O(k)

LeetCode 692. Top k frequent words

https://leetcode.com/problems/top-k-frequent-words/description/

Given an array of strings words and an integer k, return the k most frequent strings.

Return the answer sorted by the frequency from highest to lowest. Sort the words with the same frequency by their lexicographical order.
Input: words = ['i', 'love', 'leetcode', 'i', 'love', 'coding'], k = 2
Output: ['i', 'love']

Требуется найти k наиболее часто встречающихся слова. Если два слова имеют одинаковое число повторений, предпочесть то, которое идёт в лексикографическом порядке. Результат отсортировать.

Sorting

Считаем число повторений каждого слова. В качестве ключа для сортировки слов w используем пару: (-count[w], w). Фактически сортируем по числу повторений (от большего к меньшему), а потом сортируем лексикографически.

from collections import Counter

def top_kfrequent_words(words: list[str], k: int) -> list[str]:
    count = Counter(words)
    return sorted(count.keys(), key=lambda w: (-count[w], w))[:k]

Time Complexity: O(n log n)
Space Complexity: O(n)

Heap + nsmallest

import heapq
from collections import Counter

def top_kfrequent_words(words: list[str], k: int) -> list[str]:
    count = Counter(words)
    return heapq.nsmallest(k, count.keys(), key=lambda w: (-count[w], w))

Time Complexity: O(n + k log n)
Space Complexity: O(n)

MinHeap + Heapify

import heapq
from collections import Counter

def top_kfrequent_words(words: list[str], k: int) -> list[str]:
    count = Counter(words)
    ordered = [(-c, w) for w, c in count.items()]
    heapq.heapify(ordered)
    return [heapq.heappop(ordered)[1] for _ in range(k)]

Time Complexity: O(n + k log n)
Space Complexity: O(n)

k-MaxHeap

К сожалению, получить MaxHeap из MinHeap, заменив знак на противоположенный не сработает, поскольку у нас тут есть два критерия сортировки. Указать key нет никакой возможности. Остаётся вариант с созданием класса-оболочки (wrapper-class), где мы укажем правильный способ сравнения. Для wrapper-класса, используем dataclass с полями w (word) и c (количество повторений w):

import dataclasses

@dataclasses.dataclass
class O:
    w: str
    c: int

    def __lt__(self, other):
        return (-self.c, self.w) >= (-other.c, other.w)

import heapq
from collections import Counter

def top_kfrequent_words(words: list[str], k: int) -> list[str]:
    count = Counter(words)
    ordered = []
    for w, c in count.items():
        heapq.heappush(ordered, O(w,c))
        if len(ordered) > k:
            heapq.heappop(ordered)

    return [o.w for o in sorted(ordered, reverse=True)]

Time Complexity: O(n log k)
Space Complexity: O(n)

Notes:

Time/Space Complexity несколько упрощены для задач, где работаем со строками.
Решать эти задачи можно и другими способами: QuickSelect, а так же, используя sorted-containers (нет в стандартной библиотеке).

Provide feedback

Saved searches

Use saved searches to filter your results more quickly

solving_coding_problems.md

solving_coding_problems.md

Solving Coding Problems

Фильтруем список списков (May 25)

Ставим рейтинг списку слов (June 5)

Applying List & Dict Comprehension vs. Map

Альтернативное решение: ещё один `sort`

Nested Dictionary, Recursion, Set Comprehension, Generators (Aug 29)

LeetCode/Easy: Пять задач с решением в одну строчку (June 24)

LeetCode 242. Valid Anagram

LeetCode 169. Majority Element

LeetCode 229. Majority Element II

LeetCode 217. Contains Duplicate

LeetCode 350. Intersection of Two Arrays II

LeetCode/Easy: Пять задач на структуры данных и рекурсию (Aug 19)

LeetCode 21. Merge Two Sorted Lists

LeetCode 104. Maximum Depth of Binary Tree

LeetCode 100. Same Tree

LeetCode 101. Symmetric Tree

LeetCode 112. Path Sum

LeetCode/Easy 9: Palindrome Number (May 17)

LeetCode/Medium 39: Combination Sum (May 25)

LeetCode/Medium 75: Sort Colors (May 25)

Pig It — в одну строчку (Oct 25)

Реализуем алгоритм по шагам:

Refactoring

Testing

LeetCode/Medium: Five Problems: Sort vs. Heap

LeetCode 215. k-th largest element in an array

LeetCode 347. Top k frequent elements

LeetCode 1985. Find the k-th largest integer in the array

LeetCode 973. K closest points to origin

LeetCode 692. Top k frequent words

Files

solving_coding_problems.md

Latest commit

History

solving_coding_problems.md

File metadata and controls

Solving Coding Problems

Фильтруем список списков (May 25)

Ставим рейтинг списку слов (June 5)

Applying List & Dict Comprehension vs. Map

Альтернативное решение: ещё один sort

Nested Dictionary, Recursion, Set Comprehension, Generators (Aug 29)

LeetCode/Easy: Пять задач с решением в одну строчку (June 24)

LeetCode 242. Valid Anagram

LeetCode 169. Majority Element

LeetCode 229. Majority Element II

LeetCode 217. Contains Duplicate

LeetCode 350. Intersection of Two Arrays II

LeetCode/Easy: Пять задач на структуры данных и рекурсию (Aug 19)

LeetCode 21. Merge Two Sorted Lists

LeetCode 104. Maximum Depth of Binary Tree

LeetCode 100. Same Tree

LeetCode 101. Symmetric Tree

LeetCode 112. Path Sum

LeetCode/Easy 9: Palindrome Number (May 17)

LeetCode/Medium 39: Combination Sum (May 25)

LeetCode/Medium 75: Sort Colors (May 25)

Pig It — в одну строчку (Oct 25)

Реализуем алгоритм по шагам:

Refactoring

Testing

LeetCode/Medium: Five Problems: Sort vs. Heap

LeetCode 215. k-th largest element in an array

LeetCode 347. Top k frequent elements

LeetCode 1985. Find the k-th largest integer in the array

LeetCode 973. K closest points to origin

LeetCode 692. Top k frequent words

Альтернативное решение: ещё один `sort`