Merge branch 'youngyangyang04:master' into master

.gitignore

@@ -1 +0,0 @@
-**/.DS_Store

problems/0027.移除元素.md

@@ -247,6 +247,24 @@ class Solution:
 
 ### Go：
 
+```go
+// 暴力法
+// 时间复杂度 O(n^2)
+// 空间复杂度 O(1)
+func removeElement(nums []int, val int) int {
+    size := len(nums)
+    for i := 0; i < size; i ++ {
+        if nums[i] == val {
+            for j := i + 1; j < size; j ++ {
+                nums[j - 1] = nums[j]
+            }
+            i --
+            size --
+        }
+    }
+    return size
+}
+```
 ```go
 // 快慢指针法
 // 时间复杂度 O(n)
@@ -289,7 +307,6 @@ func removeElement(nums []int, val int) int {
 			right--
 		}
 	}
-	fmt.Println(nums)
 	return left
 }
 ```

problems/0042.接雨水.md

@@ -440,6 +440,33 @@ class Solution {
 }
 ```
 
+双指针优化
+```java
+class Solution {
+    public int trap(int[] height) {
+        if (height.length <= 2) {
+            return 0;
+        }
+        // 从两边向中间寻找最值
+        int maxLeft = height[0], maxRight = height[height.length - 1];
+        int l = 1, r = height.length - 2;
+        int res = 0;
+        while (l <= r) {
+            // 不确定上一轮是左边移动还是右边移动，所以两边都需更新最值
+            maxLeft = Math.max(maxLeft, height[l]);
+            maxRight = Math.max(maxRight, height[r]);
+            // 最值较小的一边所能装的水量已定，所以移动较小的一边。
+            if (maxLeft < maxRight) {
+                res += maxLeft - height[l ++];
+            } else {
+                res += maxRight - height[r --];
+            }
+        }
+        return res;
+    }
+}
+```
+
 单调栈法
 
 ```java

problems/0062.不同路径.md

@@ -285,6 +285,24 @@ public:
     }
 
 ```
+状态压缩
+```java
+class Solution {
+    public int uniquePaths(int m, int n) {
+        // 在二维dp数组中，当前值的计算只依赖正上方和正左方，因此可以压缩成一维数组。
+        int[] dp = new int[n];
+        // 初始化，第一行只能从正左方跳过来，所以只有一条路径。
+        Arrays.fill(dp, 1);
+        for (int i = 1; i < m; i ++) {
+            // 第一列也只有一条路，不用迭代，所以从第二列开始
+            for (int j = 1; j < n; j ++) {
+                dp[j] += dp[j - 1]; // dp[j] = dp[j] (正上方)+ dp[j - 1] (正左方)
+            }
+        }
+        return dp[n - 1];
+    }
+}
+```
 
 ### Python
 递归

problems/0121.买卖股票的最佳时机.md

@@ -287,9 +287,6 @@ class Solution {
     return dp[1];
   }
 }
-```
-```Java
-
 ```
 
 ### Python:

problems/0347.前K个高频元素.md

@@ -218,7 +218,7 @@ class Solution {
 ```
 
 ### Python：
-
+解法一：
 ```python
 #时间复杂度：O(nlogk)
 #空间复杂度：O(n)
@@ -246,6 +246,31 @@ class Solution:
             result[i] = heapq.heappop(pri_que)[1]
         return result
 ```
+解法二：
+```python
+class Solution:
+    def topKFrequent(self, nums: List[int], k: int) -> List[int]:
+        # 使用字典统计数字出现次数
+        time_dict = defaultdict(int)
+        for num in nums:
+            time_dict[num] += 1
+        # 更改字典，key为出现次数，value为相应的数字的集合
+        index_dict = defaultdict(list)
+        for key in time_dict:
+            index_dict[time_dict[key]].append(key)
+        # 排序
+        key = list(index_dict.keys())
+        key.sort()
+        result = []
+        cnt = 0
+        # 获取前k项
+        while key and cnt != k:
+            result += index_dict[key[-1]]
+            cnt += len(index_dict[key[-1]])
+            key.pop()
+
+        return result[0: k]
+```
 
 ### Go：
 

problems/0392.判断子序列.md

@@ -173,6 +173,63 @@ class Solution {
     }
 }
 ```
+> 修改遍历顺序后，可以利用滚动数组，对dp数组进行压缩
+```java
+class Solution {
+    public boolean isSubsequence(String s, String t) {
+        // 修改遍历顺序，外圈遍历t，内圈遍历s。使得dp的推算只依赖正上方和左上方，方便压缩。
+        int[][] dp = new int[t.length() + 1][s.length() + 1];
+        for (int i = 1; i < dp.length; i++) { // 遍历t字符串
+            for (int j = 1; j < dp[i].length; j++) { // 遍历s字符串
+                if (t.charAt(i - 1) == s.charAt(j - 1)) {
+                    dp[i][j] = dp[i - 1][j - 1] + 1;
+                } else {
+                    dp[i][j] = dp[i - 1][j];
+                }
+            }
+            System.out.println(Arrays.toString(dp[i]));
+        }
+        return dp[t.length()][s.length()] == s.length();
+    }
+}
+```
+> 状态压缩
+```java
+class Solution {
+    public boolean isSubsequence(String s, String t) {
+        int[] dp = new int[s.length() + 1];
+        for (int i = 0; i < t.length(); i ++) {
+            // 需要使用上一轮的dp[j - 1]，所以使用倒序遍历
+            for (int j = dp.length - 1; j > 0; j --) {
+                // i遍历的是t字符串，j遍历的是dp数组，dp数组的长度比s的大1，因此需要减1。
+                if (t.charAt(i) == s.charAt(j - 1)) {
+                    dp[j] = dp[j - 1] + 1;
+                }
+            }
+        }
+        return dp[s.length()] == s.length();
+    }
+}
+```
+> 将dp定义为boolean类型，dp[i]直接表示s.substring(0, i)是否为t的子序列
+
+```java
+class Solution { 
+    public boolean isSubsequence(String s, String t) {
+        boolean[] dp = new boolean[s.length() + 1];
+        // 表示 “” 是t的子序列
+        dp[0] = true;
+        for (int i = 0; i < t.length(); i ++) {
+            for (int j = dp.length - 1; j > 0; j --) {
+                if (t.charAt(i) == s.charAt(j - 1)) {
+                    dp[j] = dp[j - 1];
+                }
+            }
+        }
+        return dp[dp.length - 1];
+    }
+}
+```
 
 ### Python：
 

problems/0674.最长连续递增序列.md

@@ -186,7 +186,23 @@ public:
         return res;
     }
 ```
-
+> 动态规划状态压缩
+```java
+class Solution {
+    public int findLengthOfLCIS(int[] nums) {
+        // 记录以 前一个元素结尾的最长连续递增序列的长度 和 以当前 结尾的......
+        int beforeOneMaxLen = 1, currentMaxLen = 0;
+        // res 赋最小值返回的最小值1
+        int res = 1;
+        for (int i = 1; i < nums.length; i ++) {
+            currentMaxLen = nums[i] > nums[i - 1] ? beforeOneMaxLen + 1 : 1;
+            beforeOneMaxLen = currentMaxLen;
+            res = Math.max(res, currentMaxLen);
+        }
+        return res;
+    }
+}
+```
 > 贪心法：
 
 ```Java

problems/0746.使用最小花费爬楼梯.md

@@ -244,6 +244,24 @@ class Solution {
 }
 ```
 
+```Java
+// 状态压缩，使用三个变量来代替数组
+class Solution {
+    public int minCostClimbingStairs(int[] cost) {
+        // 以下三个变量分别表示前两个台阶的最少费用、前一个的、当前的。
+        int beforeTwoCost = 0, beforeOneCost = 0, currentCost = 0;
+        // 前两个台阶不需要费用就能上到，因此从下标2开始；因为最后一个台阶需要跨越，所以需要遍历到cost.length
+        for (int i = 2; i <= cost.length; i ++) {
+            // 此处遍历的是cost[i - 1]，不会越界
+            currentCost = Math.min(beforeOneCost + cost[i - 1], beforeTwoCost + cost[i - 2]);
+            beforeTwoCost = beforeOneCost;
+            beforeOneCost = currentCost;
+        }
+        return currentCost;
+    }
+}
+```
+
 ### Python
 
 动态规划（版本一）

problems/kama54.替换数字.md

@@ -146,17 +146,42 @@ for (int i = 0; i < a.size(); i++) {
 ```java
 import java.util.Scanner;
 
-class Main {
-    public static void main(String[] args) {
-        Scanner in = new Scanner(System.in);
-        String s = in.nextLine();
-        StringBuilder sb = new StringBuilder();
+public class Main {
+    
+    public static String replaceNumber(String s) {
+        int count = 0; // 统计数字的个数
+        int sOldSize = s.length();
         for (int i = 0; i < s.length(); i++) {
-            if (Character.isDigit(s.charAt(i))) {
-                sb.append("number");
-            }else sb.append(s.charAt(i));
+            if(Character.isDigit(s.charAt(i))){
+                count++;
             }
-        System.out.println(sb);
+        }
+        // 扩充字符串s的大小，也就是每个空格替换成"number"之后的大小
+        char[] newS = new char[s.length() + count * 5];
+        int sNewSize = newS.length;
+        // 将旧字符串的内容填入新数组
+        System.arraycopy(s.toCharArray(), 0, newS, 0, sOldSize);
+        // 从后先前将空格替换为"number"
+        for (int i = sNewSize - 1, j = sOldSize - 1; j < i; j--, i--) {
+            if (!Character.isDigit(newS[j])) {
+                newS[i] = newS[j];
+            } else {
+                newS[i] = 'r';
+                newS[i - 1] = 'e';
+                newS[i - 2] = 'b';
+                newS[i - 3] = 'm';
+                newS[i - 4] = 'u';
+                newS[i - 5] = 'n';
+                i -= 5;
+            }
+        }
+        return new String(newS);
+    };
+    public static void main(String[] args) {
+        Scanner scanner = new Scanner(System.in);
+        String s = scanner.next();
+        System.out.println(replaceNumber(s));
+        scanner.close();
     }
 }
 ```