K Pary z najmniejszą sumą
Szczegółowy przewodnik i implementacja Python dla problemu „K par o najmniejszej sumie”.
1. Ucz się
Problem „K par o najmniejszej sumie” jest kluczowym wyzwaniem w sekcji Tablice.
Ta implementacja koncentruje się na logice prostego poziomu w Python.
W dostarczanych przez nas rozwiązaniach priorytetem jest dokładność techniczna i czytelność kodu.
2. Real-World Applications
3. Visual Intuition
Wizualizacja przepływu logicznego dla K par o najmniejszej sumie.
4. Prerequisites
5. Step-by-Step Thinking
1. Understand the problem
Przeczytaj uważnie opis problemu dla K par o najmniejszej sumie.
2. Formulate brute force
Zaprojektuj proste rozwiązanie iteracyjne.
3. Identify inefficiency
Poszukaj zbędnych obliczeń.
4. Optimize search path
Użyj funkcji mieszania lub sortowania, aby przyspieszyć proces.
5. Final Implementation
Oczyść kod dla standardów produkcyjnych.
Oświadczenie o problemie
Napisz funkcję k_smallest_pairs(nums1, nums2, k), która pobiera dwie posortowane tablice liczb całkowitych nums1 i nums2 oraz liczbę całkowitą k. Zwróć pierwsze pary k [u, v] z najmniejszymi sumami, gdzie u pochodzi z nums1, a v pochodzi z nums2, posortowane według ich sumy w porządku rosnącym.
- •1 <= len(nums1), len(nums2) <= 10^4
- •1 <= k <= 1000
Przykłady
nums1 = [1, 7, 11], nums2 = [2, 4, 6], k = 3
[[1, 2], [1, 4], [1, 6]]
The smallest sum pairs are (1,2) sum=3, (1,4) sum=5, (1,6) sum=7.
Need a Hint?
Edge Cases to Watch
- Puste struktury wejściowe
- Wejścia jednoelementowe
- Duże granice liczbowe
Gotowy do rozwiązania?
Open the problem in PyRun's browser-based Python editor. Your code runs fully offline — no server required.
Spostrzeżenia i odmiany wywiadu
Podział analizy złożoności
Dlaczego Czas: Directly evaluates all possibilities.
Dlaczego kosmos: Uses standard local memory.
Dlaczego Czas: Optimized paths reduce total operations.
Dlaczego kosmos: May trade memory for speed.
Zoptymalizowany kod rozwiązania w języku Python
Zoptymalizowany kod rozwiązania w języku Python
import heapq
def k_smallest_pairs_opt(nums1, nums2, k):
res = []; minH = [[nums1[0] + nums2[0], 0, 0]]
visit = set([(0, 0)])
while minH and len(res) < k:
s, i, j = heapq.heappop(minH)
res.append([nums1[i], nums2[j]])
if i + 1 < len(nums1) and (i + 1, j) not in visit:
heapq.heappush(minH, [nums1[i+1] + nums2[j], i + 1, j])
visit.add((i + 1, j))
if j + 1 < len(nums2) and (i, j + 1) not in visit:
heapq.heappush(minH, [nums1[i] + nums2[j+1], i, j + 1])
visit.add((i, j + 1))
return resKod brutalnej siły (chroniony spoilerami)
Kod brutalnej siły (chroniony spoilerami)
def k_smallest_pairs_brute(nums1, nums2, k):
res = []
for n1 in nums1:
for n2 in nums2: res.append([n1, n2])
res.sort(key=lambda x: x[0] + x[1])
return res[:k]Algorithm Pattern Checklist
When dealing with Arrays data patterns.
- Are constraints clear?
- Is there a linear or logarithmic optimization possible?
Key Revision Notes
Obowiązują standardowe właściwości problemu Arrays.
Powiązane pytania
PyRun is built and maintained by an independent solo developer. If this helped your interview prep, consider buying a coffee!
Polecane zasoby Pythona
Poszerzaj swoją wiedzę dzięki powiązanym interaktywnym samouczkom, ściągawkom i porównaniom kodów.
Pętle Pythona
Dowiedz się, jak używać pętli Pythona do iteracji danych. Opanuj pętle for, pętle while, przerywaj, kontynuuj i pętluj najlepsze praktyki dzięki interaktywnym przykładom.
Jak sprawdzić, czy lista jest pusta w Pythonie
Poznaj najbardziej Pythoniczne sposoby sprawdzania, czy lista w Pythonie jest pusta. Porównaj niejawne kontrole logiczne z porównaniami długości.
Ściągawka dotycząca metod ciągów w Pythonie
Kompletny przewodnik dotyczący manipulacji ciągami znaków w języku Python. Opanuj formatowanie, wyszukiwanie, dzielenie, zastępowanie i sprawdzanie właściwości ciągów.
Python kontra JavaScript: który język programowania jest najlepszy?
Kompleksowe porównanie Pythona i JavaScript. Poznaj różnice w składni, wydajność, przypadki użycia (backend vs frontend) i przykłady kodowania.