leetcode刷题笔记：顺序与分类刷题策略

资源摘要信息:"本资源为个人在刷leetcode时所做的笔记集。在资源标题中，作者明确了资源的主题为leetcode刷题笔记，并在描述中详细介绍了刷题的三个方向：顺序刷题、分类刷题以及掌握Python内置函数的时间复杂度。在顺序刷题中，作者强调了按照Top Interview Questions的顺序进行，分为150题进行练习。分类刷题则涵盖了easy、medium、hard三个难度等级的题目。此外，作者还提到了学习Python编程时，应该了解内置函数的时间复杂度，这对于编写高效的代码至关重要。 资源的标签为“系统开源”，这可能意味着作者愿意将这些笔记分享给其他人，让更多的人受益于这些资料，尤其是在开源社区进行交流和学习。通过这种方式，学习者不仅能够提高自己的编程能力，也能够对开源社区做出自己的贡献。 在文件名称列表中，仅给出“leetcode_notes-master”，这表明资源可能被组织为一个git仓库，通常这样的名称是主分支或者主版本的意思。 根据这些信息，我们可以提炼出以下知识点： 1. leetcode刷题方法：作者采用顺序刷题和分类刷题的方式进行练习。顺序刷题是指按照一定的顺序，如leetcode推荐的Top Interview Questions，逐题完成。这种方法有助于系统性地提升解题能力。分类刷题则是根据题目难度划分为easy、medium、hard三个级别，针对不同难度等级的题目进行有针对性的训练。 2. 时间复杂度：作者在笔记中特别强调了Python内置函数的时间复杂度。时间复杂度是衡量算法执行时间随输入数据增长的变化趋势，是分析算法效率的重要工具。了解时间复杂度有助于我们编写更高效的代码，避免出现时间或空间上的瓶颈。 3. 具体算法解题思路： - 使用哈希表解决哈希问题，时间复杂度为O(n)，空间复杂度也为O(n)，适用于需要快速查找元素的场景。 - 暴力遍历法，时间复杂度为O(n^2)，空间复杂度为O(1)，适用于对小型数据集进行操作的情况。 - sort+双指针法，时间复杂度和空间复杂度均为O(n)，适合处理未排序的数据集。 - 链表相加，将链表节点转化为数字，相加后再转化为链表，时间复杂度和空间复杂度均为O(n)。 - 哈希表+单指针方法，时间复杂度为O(n)，空间复杂度为O(1)，适用于查找元素时需要快速判断是否存在的情况。 4. 题目难度级别划分：作者提到的easy、medium、hard三个难度级别是leetcode常见的题目难度划分，帮助刷题者根据自身能力进行适当挑战。 5. 资源分享和开源精神：资源的标签“系统开源”表达了作者分享知识的开放态度，这符合开源社区的共享精神。在开源社区中，通过共享知识和经验，可以促进更多人的成长和进步。 6. git仓库的组织方式：文件名称列表中的“leetcode_notes-master”提示我们资源可能作为git版本控制的项目存在，这便于代码的维护和版本的更新。 通过这些知识点，我们可以了解到作者在编程和算法学习上所采用的方法和策略，以及他分享知识的方式，这对于其他希望提高编程能力的人来说，是非常有价值的学习资料。"