[thispath98] Week 4

coin-change/thispath98.py

@@ -0,0 +1,39 @@
+class Solution:
+    def coinChange(self, coins: List[int], amount: int) -> int:
+        """
+        Intuition:
+            dp 배열에 이전 금액에 대한 최소 개수를 저장해두고
+            갱신하는 방식으로 작동한다.
+
+            for 루프를 돌면서 현재 가격에서 coin만큼의 가격을
+            뺐을 때 거슬러줄 수 있다면, 그 값에서 1개를 더해준
+            개수를 prev_coins에 저장한다.
+
+            이후 prev_coins가 존재하면 현재 인덱스에서 거슬러줄 수 있는
+            동전의 최소 개수를 갱신한다.
+
+        Time Complexity:
+            O(amount x coins.length):
+                amount 만큼 루프를 순회하는데 각 루프마다
+                coins.length 만큼 prev_coins 배열을 만든다.
+
+        Space Complexity:
+            O(amount):
+                amount만큼의 크기를 가지는 dp 배열을 저장한다.
+        """
+        dp = [0 for _ in range(amount + 1)]
+
+        for coin in coins:
+            if coin <= amount:
+                dp[coin] = 1
+
+        for i in range(1, amount + 1):
+            if dp[i]:
+                continue
+
+            prev_coins = [dp[i - coin] + 1 for coin in coins if i >= coin and dp[i - coin] > 0]
+            if prev_coins:
+                dp[i] = min(prev_coins)
+
+        answer = -1 if amount > 0 and dp[amount] == 0 else dp[amount]
+        return answer

merge-two-sorted-lists/thispath98.py

@@ -0,0 +1,86 @@
+# Definition for singly-linked list.
+# class ListNode:
+#     def __init__(self, val=0, next=None):
+#         self.val = val
+#         self.next = next
+class Solution:
+    def mergeTwoListsList(self, list1: Optional[ListNode], list2: Optional[ListNode]) -> Optional[ListNode]:
+        """
+        Intuition:
+            두 리스트의 원소를 각각 비교하면서 한번씩 스캔한다.
+            결과적으로 한번씩만 스캔하면 정렬할 수 있다.
+
+        Time Complexity:
+            O(N):
+                두개의 리스트를 1번 순회하며 답을 찾으므로,
+                O(N)의 시간복잡도가 소요된다.
+
+        Space Complexity:
+            O(N):
+                sorted_list에 정렬된 배열을 저장하므로,
+                O(N)의 공간복잡도가 소요된다.
+        """
+        sorted_list = []
+        while list1 is not None and list2 is not None:
+            if list1.val < list2.val:
+                sorted_list.append(list1.val)
+                list1 = list1.next
+            else:
+                sorted_list.append(list2.val)
+                list2 = list2.next
+
+        while list1 is not None:
+            sorted_list.append(list1.val)
+            list1 = list1.next
+        while list2 is not None:
+            sorted_list.append(list2.val)
+            list2 = list2.next
+
+        sorted_node = None
+        while sorted_list:
+            val = sorted_list.pop()
+            sorted_node = ListNode(val, sorted_node)
+
+        return sorted_node
+
+    def mergeTwoListsNode(self, list1: Optional[ListNode], list2: Optional[ListNode]) -> Optional[ListNode]:
+        """
+        Intuition:
+            파이썬 리스트를 사용하지 않고
+            주어진 ListNode로부터 바로 시작한다.
+
+        Time Complexity:
+            O(N):
+                두개의 리스트를 1번 순회하며 답을 찾으므로,
+                O(N)의 시간복잡도가 소요된다.
+
+        Space Complexity:
+            O(1):
+                ListNode를 바로 사용하므로
+                상수 만큼의 O(1)의 공간복잡도가 소요된다.
+
+        Key takeaway:
+            링크드 리스트를 오랜만에 접하니 잘 풀지 못했던 것 같다.
+            전통적인 자료구조를 OOP 관점으로 고민해보자.
+        """
+        sorted_node = ListNode()
+        current_node = sorted_node
+
+        while True:
+            if list1 is None:
+                current_node.next = list2
+                break
+            elif list2 is None:
+                current_node.next = list1
+                break
+
+            if list1.val < list2.val:
+                current_node.next = ListNode(list1.val)
+                current_node = current_node.next
+                list1 = list1.next
+            else:
+                current_node.next = ListNode(list2.val)
+                current_node = current_node.next
+                list2 = list2.next
+
+        return sorted_node.next

missing-number/thispath98.py

@@ -0,0 +1,23 @@
+class Solution:
+    def missingNumber(self, nums: List[int]) -> int:
+        """
+        Intuition:
+            주어진 리스트의 개수를 얻어 범위를 구한다.
+            이후 세트를 이용해서 범위 내의 정수가
+            세트 안에 없으면 그 수를 리턴한다.
+
+        Time Complexity:
+            O(N):
+                세트(해시)는 접근하는 데에 상수의 시간이 걸리므로
+                최대 N + 1번의 접근을 하므로
+                O(N)의 시간복잡도가 소요된다.
+
+        Space Complexity:
+            O(N):
+                리스트를 해시로 변환하여 저장하고 있으므로
+                O(N)의 공간복잡도가 소요된다.
+        """
+        num_set = set(nums)
+        for i in range(len(nums) + 1):
+            if i not in num_set:
+                return i

palindromic-substrings/thispath98.py

@@ -0,0 +1,130 @@
+class Solution:
+    def countSubstrings(self, s: str) -> int:
+        """
+        Intuition:
+            2중 루프를 돌면서 각 substring에 대해
+            palindrome인지 아닌지 확인한다.
+            한번 palindrome인지 확인했으면, set에 추가하여
+            중복 확인을 한다.
+
+        Time Complexity:
+            O(N^2 x s.length):
+                2중 루프는 N^2만큼 소요되고,
+                각 루프에 palindrome을 체크하는 것은
+                s.length만큼 소요된다.
+
+        Space Complexity:
+            O(N^2):
+                palindrome이 모두 중복되지 않을 경우 set에
+                s의 substring 개수만큼 저장한다.
+                이는 대략 N^2이다.
+        """
+        def is_palindrome(s):
+            return s == s[::-1]
+
+        palindrome_set = set()
+        answer = 0
+        for i in range(1, len(s) + 1):
+            for j in range(0, len(s) - i + 1):
+                substr = s[j: j + i]
+                if substr in palindrome_set or is_palindrome(substr):
+                    palindrome_set.add(substr)
+                    answer += 1
+        return answer
+
+
+class SolutionDPSet:
+    def countSubstrings(self, s: str) -> int:
+        """
+        Intuition:
+            위 solution에서 중복을 제거할 수 있는 방법은,
+            start : end 길이를 갖는 substring에서
+            s[start] == s[end]이고, start + 1 : end - 1의
+            substring이 palindrome이라면, 이 substring은
+            palindrome이라고 볼 수 있다.
+
+        Time Complexity:
+            O(N^2):
+                DP로 인해 palindrome을 찾는 함수가 대략
+                상수의 시간복잡도가 걸린다고 볼 수 있다.
+                따라서 substring을 만드는 이중 루프에서의
+                시간복잡도가 걸릴 수 있다고 보면 된다.
+
+        Space Complexity:
+            O(N^2):
+                dp set에 index set을 저장하는데, 최악의 경우
+                index set은 N^2개만큼 저장될 수 있다.
+
+        Key takeaway:
+            dp를 이용해서 푸는 방식에 대해 익숙해져야겠다.
+
+            의문점은 leetcode에서 bruteforce보다 시간이 더 소요되었다는 것이다.
+            아마 list 크기를 초과할 경우에 append를 할 경우,
+            리스트 크기를 2배만큼 늘리는 list doubling 방식이
+            set에도 적용이 되어 느려진 것으로 보인다.
+        """
+        dp = set()
+
+
+        def is_palindrome(start, end):
+            while start < end:
+                if s[start] != s[end]:
+                    return False
+                if (start, end) in dp:
+                    return True
+                start += 1
+                end -= 1
+
+            return True
+
+
+        answer = 0
+        for length in range(1, len(s) + 1):
+            for start in range(0, len(s) - length + 1):
+                end = start + length - 1
+                if (start, end) in dp or is_palindrome(start, end):
+                    dp.add((start, end))
+                    answer += 1
+        return answer
+
+
+class SolutionDPList:
+    def countSubstrings(self, s: str) -> int:
+        """
+        Intuition:
+            DP solution에서 set로 저장하지 않고,
+            이중 리스트로 저장하는 것으로 수정했다.
+            length = 2인 경우에는 start와 end만 동일하면
+            palindrome으로 판단할 수 있어 조건을 추가했다.
+
+        Time Complexity:
+            O(N^2):
+                DP로 인해 palindrome을 찾는 함수가 대략
+                상수의 시간복잡도가 걸린다고 볼 수 있다.
+                따라서 substring을 만드는 이중 루프에서의
+                시간복잡도가 걸릴 수 있다고 보면 된다.
+
+        Space Complexity:
+            O(N^2):
+                dp 리스트에 substring 이중 리스트를 저장하므로
+                N^2개만큼 저장될 수 있다.
+
+        Key takeaway:
+            이 방법이 가장 빠르게 동작했다.
+        """
+        dp = [[False for _ in s] for _ in s]
+        answer = 0
+
+        for i in range(len(s)):
+            dp[i][i] = True
+            answer += 1
+
+        for length in range(2, len(s) + 1):
+            for start in range(len(s) - length + 1):
+                end = start + length - 1
+                if s[start] == s[end]:
+                    if length == 2 or dp[start + 1][end - 1]:
+                        dp[start][end] = True
+                        answer += 1
+
+        return answer

word-search/thispath98.py

@@ -0,0 +1,48 @@
+class Solution:
+    def exist(self, board: List[List[str]], word: str) -> bool:
+        """
+        Intuition:
+            보드를 돌면서 dfs를 수행한다.
+            dfs는 상하좌우를 돌면서 word의 index와
+            board의 word가 동일한지 확인한다.
+
+        Time Complexity:
+            O(M x N + w.length^4):
+                M x N 크기의 배열을 돌면서,
+                각 칸마다 상하좌우 4번씩 확인한다.
+                최대 word length번만큼 반복한다.
+
+        Space Complexity:
+            O(M x N + w.length):
+                M x N 크기의 visited 배열을 초기화하고,
+                dfs의 호출 스택은 word length만큼 반복한다.
+        """
+        visited = [[False for _ in board[0]] for _ in board]
+
+        def dfs(y, x, index):
+            if index == len(word):
+                return True
+            if not (0 <= y < len(board) and 0 <= x < len(board[0])):
+                return False
+            if visited[y][x]:
+                return False
+            if word[index] != board[y][x]:
+                return False
+
+            visited[y][x] = True
+            for dy, dx in [[-1, 0], [1, 0], [0, -1], [0, 1]]:
+                ny = y + dy
+                nx = x + dx
+
+                if dfs(ny, nx, index + 1):
+                    return True
+
+            visited[y][x] = False
+            return False
+
+        for i in range(len(board)):
+            for j in range(len(board[0])):
+                if dfs(i, j, 0):
+                    return True
+
+        return False