【使用 Python 实现算法】目录
最近加入了公司同事组织的刷题群,会定期参加 LeetCode 等平台的算法比赛。
作为一个资深 Pythonist,我一向是使用 Python 来实现各种算法题目的。Python 本身也提供了一些不错的语言特性、内置函数和标准库来更高效简洁的编写各类算法的代码实现。
本系列博客是我根据个人使用 Python 工作和刷题的经验总结的一些使用 Python 实现各类算法的一些技巧。
作为系列博客的第一篇文章,本期的主题是 Python 的语言特性。
解构赋值
交换两个变量的值是一个很常见的场景,在 C 和 C++语言中,我们需要使用一个临时变量。代码会比较冗长,并且会有微小的性能开销。
int tmp = x;
int x = y;
int y = x;
复制代码
利用 Python 的解构赋值特性,我们可以使用一个赋值语句交换两个变量的值。
在算法实现中,解构赋值的一个常见用法是一次初始化多个变量。
ans, total, n = 0, 0, len(lst)
复制代码
Python 的解构赋值同样可以用在 for 循环中。
points = [(1, 2), (2, 3), (3, 4)]
for x, y in points:
pass
复制代码
我们也可以使用一些更复杂的解构赋值语句。
(x, y), z = (1, 2), 3
assert (x, y, z) == (1, 2, 3)
first, *rest = list(range(5))
assert (first, rest) == (0, [1, 2, 3, 4])
复制代码
列表推导式
使用声明式的列表推导式语法替代命令式的 for 循环,代码的可读性更强,并且有一定的性能提升(Python 解释器对列表推导式有专门的优化)。
# find first num in list nums which test(a) is True
def first(nums: list[int], test: Callable[[int], bool]) -> int:
for num in nums:
if test(num):
return num
def first(nums: list[int], test: Callable[[int], bool]) -> int:
return next(num for num in nums if test(num))
复制代码
生成器
定义一个生成器函数在很多情况下可以避免维护一个可变的列表(或其他容器),使得代码更简洁。
@dataclass
class TreeNode:
val: int
left: Optional["TreeNode"] = None
right: Optional["TreeNode"] = None
# 普通实现的先序遍历
def preorder(root: TreeNode | None) -> list[int]:
ans = []
def dfs(root: TreeNode | None) -> None:
if not root:
return
ans.append(root.val)
dfs(root.left)
dfs(root.right)
dfs(root)
return ans
# 生成器版本的先序遍历
def preorder(root: TreeNode | None) -> list[int]:
def dfs(root: TreeNode | None) -> Generator[int, None, None]:
if not root:
return
yield root.val
yield from dfs(root.left)
yield from dfs(root.right)
return list(dfs(root))
复制代码
结构化模式匹配
结构化模式匹配是 Python 3.10 的新特性,利用好这个特性可以写出更优雅的代码。
# 快速排序的一个概念性实现
def quicksort(arr: list[int]) -> list[int]:
match arr:
case first,:
return [first]
case first, second:
return [first, second] if first <= second else [second, first]
case first, *rest:
return (
quicksort([num for num in rest if num <= first])
+ [first]
+ quicksort([num for num in rest if num > first])
)
复制代码
以上是一些我认为可以有效帮助到算法实现的 Python 语言特性,合理利用的话可以为各类算法编写出更高效简洁、可读性强的 Python 代码实现。
下一篇博客将介绍一些 Python 的内置类型和内置函数在算法实现中的巧妙作用。
评论