123. 用 Python 实现一个二分查找的函数

答：

def binary_search(arr, target)：

n = len(arr)

left = 0

right = n-1

while left <= right ：

mid = (left + right)//2

if arr[mid] < target：

left = mid + 1

elif arr[mid] > target：

right = mid - 1

else：

print(f"index：{mid},value：{arr[mid]}")

return True

return False

if name == ‘main’：

l = [1,3,4,5,6,7,8]

binary_search(l,8)

小编是一名python开发工程师，这里有我自己整理了一套最新的python系统学习教程，包括从基础的python脚本到web开发、爬虫、数据分析、数据可视化、机器学习等。想要这些资料的可以关注小编，并在后台私信小编：“01”即可领取

124. Python 单例模式的实现方法

答：实现单例模式的方法有多种，之前再说元类的时候用 call 方法实现了一个单例模式，另外 Python 的模块就是一个天然的单例模式，这里我们使用 new 关键字来实现一个单例模式。

“”"

通过 new 函数实现简单的单例模式。

“”"

class Book：

def new(cls, title)：

if not hasattr(cls, “_ins”)：

cls._ins = super().new(cls)

print(‘in new’)

return cls._ins

def init(self, title)：

print(‘in init’)

super().init()

self.title = title

if name == ‘main’：

b = Book(‘The Spider Book’)

b2 = Book(‘The Flask Book’)

print(id(b))

print(id(b2))

print(b.title)

print(b2.title)

125. 使用 Python 实现一个斐波那契数列

答： 斐波那契数列：数列从第 3 项开始，每一项都等于前两项之和。

def fibonacci(num)：

“”"

获取指定位数的列表

：param num：

：return：

“”"

a, b = 0, 1

l = []

for i in range(num)：

a, b = b, a + b

l.append(b)

return l

if name == ‘main’：

print(fibonacci(10))

126. 找出列表中的重复数字

答：

“”"

从头扫到尾，只要当前元素值与下标不同，就做一次判断,numbers[i]与 numbers[numbers[i]]，

相等就认为找到了重复元素，返回 true,否则就交换两者，继续循环。直到最后还没找到认为没找到重复元素。

“”"

-- coding：utf-8 --

class Solution:

def duplicate(self, numbers):

“”"

:param numbers:  :return:  """  if numbers is None or len(numbers) <= 1:      return False  use_set = set()  duplication = {}  for index, value in enumerate(numbers):      if value not in use_set:          use_set.add(value)      else:          duplication[index] = value  return duplication  12345678910111213

if name == ‘main’:

s = Solution()

d = s.duplicate([1, 2, -3, 4, 4, 95, 95, 5, 2, 2, -3, 7, 7, 5])

print(d)

127. 找出列表中的单个数字

答：

def find_single(l ：list)：

result = 0

for v in l：

result ^= v

if result == 0：

print(“没有落单元素”)

else：

print(“落单元素” ,result)

if name == ‘main’：

l = [1,2,3,4,5,6,2,3,4,5,6]

find_single(l)

128. 写一个冒泡排序

答：

“”"

冒泡排序

“”"

def bubble_sort(arr)：

n = len(arr)

for i in range(n - 1)：

for j in range(n - i - 1)：

if arr[j] > arr[j + 1]：

arr[j], arr[j + 1] = arr[j + 1], arr[j]

if name == ‘main’：

l = [1, 2, 3, 4, 5, 55, 6, 3, 4, 5, 6]

bubble_sort(l)

print(l)

129. 写一个快速排序

答：

“”"

快速排序

“”"

def quick_sort(arr, first, last)：

if first >= last：

return

mid_value = arr[first]

low = first

high = last

while low < high：

while low < high and arr[high] >= mid_value：

high -= 1 # 游标左移

arr[low] = arr[high]

while low < high and arr[low] < mid_value：      low += 1  arr[high] = arr[low]  arr[low] = mid_value  1234

quick_sort(arr, first, low - 1)

quick_sort(arr, low + 1, last)

if name == ‘main’：

l = [1, 2, 3, 4, 5, 55, 6, 3, 4, 5, 6]

quick_sort(l, 0, len(l) - 1)

print(l)

130. 写一个拓扑排序

答：

“”"

拓扑排序

对应于该图的拓扑排序。每一个有向无环图都至少存在一种拓扑排序。

“”"

import pysnooper

from typing import Mapping

@pysnooper.snoop()

def topological_sort(graph： Mapping)：

in_degrees = {‘a’： 0, ‘b’： 0, ‘c’： 0, ‘d’： 0, ‘e’： 0, ‘f’： 0}

in_degrees = dict((u, 0) for u in graph)

for u in graph：

for v in graph[u]： # 根据键找出值也就是下级节点

in_degrees[v] += 1 # 对获取到的下级节点的入度加 1

循环结束之后的结果： {‘a’： 0, ‘b’： 1, ‘c’： 1, ‘d’： 2, ‘e’： 1, ‘f’： 4}

Q = [u for u in graph if in_degrees[u] == 0] # 入度为 0 的节点

in_degrees_zero = []

while Q：

u = Q.pop() # 默认从最后一个移除

in_degrees_zero.append(u) # 存储入度为 0 的节点

for v in graph[u]：

in_degrees[v] -= 1 # 删除入度为 0 的节点，以及移除其指向

if in_degrees[v] == 0：

Q.append(v)

return in_degrees_zero

if name == ‘main’：

用字典的键值表示图的节点之间的关系，键当前节点。值是后续节点。

graph_dict = {

‘a’： ‘bf’, # 表示 a 指向 b 和 f

‘b’： ‘cdf’,

‘c’： ‘d’,

‘d’： ‘ef’,

‘e’： ‘f’,

‘f’： ‘’

}

t = topological_sort(graph_dict)

print(t)

131. Python 实现一个二进制计算

答：

“”"

二进制加法

“”"

def binary_add(a： str, b： str)：

return bin(int(a, 2) + int(b, 2))[2：]

if name == ‘main’：

num1 = input(“输入第一个数，二进制格式：\n”)

num2 = input(“输入第二个数，二进制格式：\n”)

print(binary_add(num1, num2))

132. 有一组“+”和“-”符号，要求将“+”排到左边，“-”排到右边，写出具体的实现方法。

答：

“”"

有一组“+”和“-”符号，要求将“+”排到左边，“-”排到右边，写出具体的实现方法。

如果让+等于 0，-等于 1 不就是排序了么。

“”"

from collections import deque

from timeit import Timer

s = “+++++±—++±—”

方法一

def func1()：

new_s = s.replace("+", “0”).replace("-", “1”)

result = “”.join(sorted(new_s)).replace(“0”, “+”).replace(“1”, “-”)

return result

方法二

def func2()：

q = deque()

left = q.appendleft

right = q.append

for i in s：

if i == “+”：

left("+")

elif i == “-”：

right("-")

def func3()：

data = list(s)

start_index = 0

end_index = 0

count = len(s)

while start_index + end_index < count：

if data[start_index] == ‘-’：

data[start_index], data[count - end_index - 1] = data[count - end_index - 1], data[start_index]

end_index += 1

else：

start_index += 1

return “”.join(data)

if name == ‘main’：

timer1 = Timer(“func1()”, “from main import func1”)

print(“func1”, timer1.timeit(1000000))

timer2 = Timer(“func2()”, “from main import func2”)

print(“func2”, timer2.timeit(1000000))

timer3 = Timer(“func3()”, “from main import func3”)

print(“func3”, timer3.timeit(1000000))

1000000 测试结果func1 1.39003764func2 1.593012875func3 3.3487415590000005func1 的方式最优，其次是 func2133. 单链表反转

答：

“”"

单链表反转

“”"

class Node：

def init(self, val=None)：

self.val = val

self.next = None

class SingleLinkList：

def init(self, head=None)：

“”“链表的头部”""

self._head = head

def add(self, val： int)：

“”"

给链表添加元素

：param val： 传过来的数字

：return：

“”"

# 创建一个节点

node = Node(val)

if self._head is None：

self._head = node

else：

cur = self._head

while cur.next is not None：

cur = cur.next # 移动游标

cur.next = node # 如果 next 后面没了证明以及到最后一个节点了

def traversal(self)：

if self._head is None：

return

else：

cur = self._head

while cur is not None：

print(cur.val)

cur = cur.next

def size(self)：

“”"

获取链表的大小

：return：

“”"

count = 0

if self._head is None：

return count

else：

cur = self._head

while cur is not None：

count += 1

cur = cur.next

return count

def reverse(self)：

“”"

单链表反转

思路：

让 cur.next 先断开即指向 none，指向设定 pre 游标指向断开的元素，然后

cur.next 指向断开的元素，再把开始 self._head 再最后一个元素的时候.

：return：

“”"

if self._head is None or self.size() == 1：

return

else：

pre = None

cur = self._head

while cur is not None：

post = cur.next

cur.next = pre

pre = cur

cur = post

self._head = pre # 逆向后的头节点

if name == ‘main’：

single_link = SingleLinkList()

single_link.add(3)

single_link.add(5)

single_link.add(6)

single_link.add(7)

single_link.add(8)

print(“对链表进行遍历”)

single_link.traversal()

print(f"size：{single_link.size()}")

print(“对链表进行逆向操作之后”)

single_link.reverse()

single_link.traversal()

134. 交叉链表求交点

答：

Definition for singly-linked list.

class ListNode：

def init(self, x)：

self.val = x

self.next = None

class Solution：

def getIntersectionNode(self, headA, headB)：

“”"

：tye head1, head1： ListNode

：rtye： ListNode

“”"

if headA is not None and headB is not None：

cur1, cur2 = headA, headB

    while cur1 != cur2：          cur1 = cur1.next if cur1 is not None else headA          cur2 = cur2.next if cur2 is not None else headB      return cur1  12345

cur1、cur2，2 个指针的初始位置是链表 headA、headB 头结点，cur1、cur2 两个指针一直往后遍历。 直到 cur1 指针走到链表的末尾，然后 cur1 指向 headB； 直到 cur2 指针走到链表的末尾，然后 cur2 指向 headA； 然后再继续遍历； 每次 cur1、cur2 指向 None，则将 cur1、cur2 分别指向 headB、headA。 循环的次数越多，cur1、cur2 的距离越接近，直到 cur1 等于 cur2。则是两个链表的相交点。

135. 用队列实现栈

答： 下面代码分别使用 1 个队列和 2 个队列实现了栈。

from queue import Queue

#使用 2 个队列实现

class MyStack：

def init(self)：

“”"

Initialize your data structure here.

“”"

# q1 作为进栈出栈，q2 作为中转站

self.q1 = Queue()

self.q2 = Queue()

def push(self, x)：

“”"

Push element x onto stack.

：type x： int

：rtype： void

“”"

self.q1.put(x)

def pop(self)：

“”"

Removes the element on top of the stack and returns that element.

：rtype： int

“”"

while self.q1.qsize() > 1：      self.q2.put(self.q1.get())  # 将 q1 中除尾元素外的所有元素转到 q2 中  if self.q1.qsize() == 1：      res = self.q1.get()  # 弹出 q1 的最后一个元素      self.q1, self.q2 = self.q2, self.q1  # 交换 q1,q2      return res  123456

def top(self)：

“”"

Get the top element.

：rtype： int

“”"

while self.q1.qsize() > 1：

self.q2.put(self.q1.get()) # 将 q1 中除尾元素外的所有元素转到 q2 中

if self.q1.qsize() == 1：

res = self.q1.get() # 弹出 q1 的最后一个元素

self.q2.put(res) # 与 pop 唯一不同的是需要将 q1 最后一个元素保存到 q2 中

self.q1, self.q2 = self.q2, self.q1 # 交换 q1,q2

return res

def empty(self)：

“”"

Returns whether the stack is empty.

：rtype： bool

“”"

return not bool(self.q1.qsize() + self.q2.qsize()) # 为空返回 True，不为空返回 False

#使用 1 个队列实现

class MyStack2(object)：

def init(self)：

“”"

Initialize your data structure here.

“”"

self.sq1 = Queue()

def push(self, x)：

“”"

Push element x onto stack.

：type x： int

：rtype： void

“”"

self.sq1.put(x)

def pop(self)：

“”"

Removes the element on top of the stack and returns that element.

：rtype： int

“”"

count = self.sq1.qsize()

if count == 0：

return False

while count > 1：

x = self.sq1.get()

self.sq1.put(x)

count -= 1

return self.sq1.get()

def top(self)：

“”"

Get the top element.

：rtype： int

“”"

count = self.sq1.qsize()

if count == 0：

return False

while count：

x = self.sq1.get()

self.sq1.put(x)

count -= 1

return x

def empty(self)：

“”"

Returns whether the stack is empty.

：rtype： bool

“”"

return self.sq1.empty()

if name == ‘main’：

obj = MyStack2()

obj.push(1)

obj.push(3)

obj.push(4)

print(obj.pop())

print(obj.pop())

print(obj.pop())

print(obj.empty())

136. 找出数据流的中位数

答：对于一个升序排序的数组，中位数为左半部分的最大值，右半部分的最小值，而左右两部分可以是无需的，只要保证左半部分的数均小于右半部分即可。因此，左右两半部分分别可用最大堆、最小堆实现。

如果有奇数个数，则中位数放在左半部分；如果有偶数个数，则取左半部分的最大值、右边部分的最小值之平均值。

分两种情况讨论： 当目前有偶数个数字时，数字先插入最小堆，然后选择最小堆的最小值插入最大堆（第一个数字插入左半部分的最小堆）。

当目前有奇数个数字时，数字先插入最大堆，然后选择最大堆的最大值插入最小堆。 最大堆：根结点的键值是所有堆结点键值中最大者，且每个结点的值都比其孩子的值大。 最小堆：根结点的键值是所有堆结点键值中最小者，且每个结点的值都比其孩子的值小。

-- coding：utf-8 --

from heapq import *

class Solution：

def init(self)：

self.maxheap = []

self.minheap = []

def Insert(self, num)：

if (len(self.maxheap) + len(self.minheap)) & 0x1： # 总数为奇数插入最大堆

if len(self.minheap) > 0：

if num > self.minheap[0]： # 大于最小堆里的元素

heappush(self.minheap, num) # 新数据插入最小堆

heappush(self.maxheap, -self.minheap[0]) # 最小堆中的最小插入最大堆

heappop(self.minheap)

else：

heappush(self.maxheap, -num)

else：

heappush(self.maxheap, -num)

else： # 总数为偶数 插入最小堆

if len(self.maxheap) > 0： # 小于最大堆里的元素

if num < -self.maxheap[0]：

heappush(self.maxheap, -num) # 新数据插入最大堆

heappush(self.minheap, -self.maxheap[0]) # 最大堆中的最大元素插入最小堆

heappop(self.maxheap)

else：

heappush(self.minheap, num)

else：

heappush(self.minheap, num)

def GetMedian(self, n=None)：

if (len(self.maxheap) + len(self.minheap)) & 0x1：

mid = self.minheap[0]

else：

mid = (self.minheap[0] - self.maxheap[0]) / 2.0

return mid

if name == ‘main’：

s = Solution()

s.Insert(1)

s.Insert(2)

s.Insert(3)

s.Insert(4)

print(s.GetMedian())

137. 二叉搜索树中第 K 小的元素

答： ??二叉搜索树(Binary Search Tree)，又名二叉排序树(Binary Sort Tree)。 ? 二叉搜索树是具有有以下性质的二叉树：?

若左子树不为空，则左子树上所有节点的值均小于或等于它的根节点的值。

若右子树不为空，则右子树上所有节点的值均大于或等于它的根节点的值。

左、右子树也分别为二叉搜索树。

二叉搜索树按照中序遍历的顺序打印出来正好就是排序好的顺序。所以对其遍历一个节点就进行计数，计数达到 k 的时候就结束。

class TreeNode：

def init(self, x)：

self.val = x

self.left = None

self.right = None

class Solution：

count = 0

nodeVal = 0

def kthSmallest(self, root, k)：

“”"

：type root： TreeNode

：type k： int

：rtype： int

“”"

self.dfs(root, k)

return self.nodeVal

def dfs(self, node, k)：

if node != None：

self.dfs(node.left, k)

self.count = self.count + 1

if self.count == k：

self.nodeVal = node.val

# 将该节点的左右子树置为 None,来结束递归，减少时间复杂度

node.left = None

node.right = None

self.dfs(node.right, k)

爬虫相关

138. 在 requests 模块中，requests.content 和 requests.text 什么区别

答： requests.content 获取的是字节，requests.text 获取的是文本内容。

139. 简要写一下 lxml 模块的使用方法框架

答：

from lxml import html

source=’’’

中国

root=html.fromstring(source) _content=root.xpath("string(//div[@class='nam'])")

if _content and isinstance(_content,list)：

content=_content[0]

elif isinstance(_content,str)：

content=_content

print(content)