82.删除排序链表中的重复元素II
定义单个指针 cur，指向虚拟头节点。如果 cur.next == cur.next.next，说明 cur 后面的两个节点重复，例如 节点2 后面存在 2个节点3。我们令 节点2 -> 节点4，实现删除两个节点3的操作。
class Solution:
def deleteDuplicates(self, head: Optional[ListNode]) -> Optional[ListNode]:
dummyhead = ListNode(val = 0, next = head)
cur = dummyhead
while cur.next and cur.next.next:
if cur.next.val == cur.next.next.val:
repeat_val = cur.next.val
# 跳过某段重复
while cur.next and cur.next.val == repeat_val:
cur.next = cur.next.next
else:
cur = cur.next
return dummyhead.next240.搜索二维矩阵II
利用矩阵的递增性质：从左下角元素开始搜索，同列元素都小于此元素，同行元素都大于此元素。因此和 target 比较后，我们可以立即排除一行或者一列的元素。如下图：从右上角开始同理，这是由于这两处的元素大小处在所在行和列的所有元素中间，可以利用二分思想缩减搜索规模。而左上和右下角的元素处在所在行和列的所有元素的两端。
class Solution:
def searchMatrix(self, matrix: List[List[int]], target: int) -> bool:
# 起始点定在矩阵左下角
i, j = len(matrix) - 1, 0
while i >= 0 and j <= len(matrix[0]) - 1:
if matrix[i][j] > target:
i -= 1
elif matrix[i][j] < target:
j += 1
else:
return True
return False冒泡排序
- 遍历数组，每次交换相邻两个元素，一次遍历后，最大的数将会被移至末尾。
- 针对所有的元素重复以上的步骤，除了最后一个。
- 持续每次对越来越少的元素重复上面的步骤，直到没有任何一对数字需要比较。
- 时间复杂度为 O(n^2)
def bubble_sort(arr):
n = len(arr)
# 遍历所有数组元素
for i in range(n):
for j in range(0, n-i-1):
# 遍历数组从0到n-i-1
# 交换如果元素大于下一个元素
if arr[j] > arr[j+1]:
arr[j], arr[j+1] = arr[j+1], arr[j]
return arr快速排序
选择基准值：从数组中选择一个元素作为基准值。选择方法有多种，如选择第一个元素、最后一个元素、中间元素等。
分区操作：重新排列数组，使得所有小于基准值的元素都排在基准前面，而所有大于基准值的元素都排在基准的后面（相等的数可以到任一边）。在这个分区退出之后，该基准就处于数组的中间位置。
递归排序：递归地将小于基准值的子数组和大于基准值的子数组排序。
时间复杂度为O(n log n)
def quick_sort(arr):
# 分区函数：根据pivot（基准值）将数组分为两部分
def partition(left, right):
pivot = arr[left] # 选择左边界的元素作为pivot
while left < right:
# 从右向左扫描，找到第一个小于pivot的元素，移动到左边
while left < right and arr[right] >= pivot:
right -= 1
arr[left] = arr[right]
# 从左向右扫描，找到第一个大于pivot的元素，移动到右边
while left < right and arr[left] <= pivot:
left += 1
arr[right] = arr[left]
# 循环结束，left和right相遇，这是pivot的正确位置，将pivot放回
arr[left] = pivot
return left # 返回pivot的位置
# 递归排序的辅助函数
def quick_sort_recursive(left, right):
if left < right: # 至少包含两个元素的区间才需要排序
pi = partition(left, right) # 对当前区间进行分区，得到pivot的位置
quick_sort_recursive(left, pi - 1) # 递归排序pivot左侧的子数组
quick_sort_recursive(pi + 1, right) # 递归排序pivot右侧的子数组
quick_sort_recursive(0, len(arr) - 1) # 对整个数组进行快速排序
return arr # 返回排序后的数组
538.把二叉搜索树转换为累加树
累加树（Greater Sum Tree）常见于二叉搜索树（Binary Search Tree）的变体。在累加树中，每个节点的值被修改为原始二叉搜索树中所有大于或等于该节点值的节点值之和。
举例
有以下BST：
反向中序遍历（右中左）
我们遍历的顺序是：9 -> 8 -> 5 -> 4 -> 3 -> 2。遍历时，我们累计已经访问过的节点值的和，并将这个累积和赋给当前节点。
- 访问节点
9：当前累积和 =9，更新节点9的值为9。- 访问节点
8：当前累积和 =9 + 8 = 17，更新节点8的值为17。- 访问节点
5：当前累积和 =17 + 5 = 22，更新节点5的值为22。- 访问节点
4：当前累积和 =22 + 4 = 26，更新节点4的值为26。- 访问节点
3：当前累积和 =26 + 3 = 29，更新节点3的值为29。- 访问节点
2：当前累积和 =29 + 2 = 31，更新节点2的值为31。
class Solution:
def convertBST(self, root: Optional[TreeNode]) -> Optional[TreeNode]:
self.sum = 0
def dfs(node):
# 递归终止条件
if not node:
return
# 反向中序（右 -> 中 -> 左）
# 右
dfs(node.right)
# 中
self.sum += node.val
node.val = self.sum # 更新节点值
# 左
dfs(node.left)
dfs(root)
return root1743.从相邻元素对还原数组
数组元素各不相同，有以下观察：
- 每个元素（除了首尾元素）都会有两个相邻元素：前一个和后一个。
- 数组的首元素 只有一个相邻元素，即它后面的元素。
- 数组的尾元素 同样只有一个相邻元素，即它前面的元素。
因此，在从
adjacentPairs构建的adj_map中，大多数键（代表nums中的元素）都会有两个条目在其对应的列表中，这两个条目分别表示它的前一个和后一个相邻元素。例外的是nums的首尾元素，它们在adj_map中的列表长度将是 1，因为它们各自只有一个相邻元素。举例说明
考虑数组
nums = [1, 2, 3, 4]，其相邻元素对可能包括：
[1, 2][2, 3][3, 4]在通过这些对构建
adj_map后，其内容将是：
1 -> [2]2 -> [1, 3]3 -> [2, 4]4 -> [3]由于顺序不限，我们随意选择其中一个长度为 1 的键作为起点，然后根据相邻关系依次添加元素到结果数组中，直到所有元素都被添加。
class Solution:
def restoreArray(self, adjacentPairs: List[List[int]]) -> List[int]:
n = len(adjacentPairs) + 1
# 构建关系哈希表
adj_map = defaultdict(list)
for u, v in adjacentPairs:
adj_map[u].append(v)
adj_map[v].append(u)
# 找到 nums 的起始元素
for key, val in adj_map.items():
if len(val) == 1:
start = key
break
# 构建 nums
nums = []
nums.append(start)
nums.append(adj_map[start][0])
while len(nums) < n:
cur_val = nums[-1]
pre_val = nums[-2]
for next_val in adj_map[cur_val]:
# cur_val键对应的值包含cur_val的前一个和后一个元素
# 对于cur_val的后一个元素的确定，我们需要避免重复选择cur_val的前一个元素（pre_val）
if next_val != pre_val:
nums.append(next_val)
else:
continue
return nums
![[BT]BUUCTF刷题第17天（4.15）](https://img-blog.csdnimg.cn/direct/7bef0993c9d5483d9d808ffd9ee9b5a1.png)
