diff --git a/chapter_appendix/installation.md b/chapter_appendix/installation.md index 949441595..6e9986a01 100644 --- a/chapter_appendix/installation.md +++ b/chapter_appendix/installation.md @@ -45,8 +45,8 @@ comments: true ### 8.   Swift 环境 -1. 下载并安装 [Swift](https://www.swift.org/download/)。 -2. 在 VSCode 的插件市场中搜索 `swift` ，安装 [Swift for Visual Studio Code](https://marketplace.visualstudio.com/items?itemName=sswg.swift-lang)。 +1. 下载并安装 [Swift](https://www.swift.org/download/) 。 +2. 在 VSCode 的插件市场中搜索 `swift` ，安装 [Swift for Visual Studio Code](https://marketplace.visualstudio.com/items?itemName=sswg.swift-lang) 。 ### 9.   Dart 环境 @@ -55,5 +55,5 @@ comments: true ### 10.   Rust 环境 -1. 下载并安装 [Rust](https://www.rust-lang.org/tools/install)。 -2. 在 VSCode 的插件市场中搜索 `rust` ，安装 [rust-analyzer](https://marketplace.visualstudio.com/items?itemName=rust-lang.rust-analyzer)。 +1. 下载并安装 [Rust](https://www.rust-lang.org/tools/install) 。 +2. 在 VSCode 的插件市场中搜索 `rust` ，安装 [rust-analyzer](https://marketplace.visualstudio.com/items?itemName=rust-lang.rust-analyzer) 。 diff --git a/chapter_array_and_linkedlist/list.md b/chapter_array_and_linkedlist/list.md index 93c404ee5..f21a968a3 100755 --- a/chapter_array_and_linkedlist/list.md +++ b/chapter_array_and_linkedlist/list.md @@ -861,7 +861,7 @@ comments: true 为了加深对列表工作原理的理解，我们尝试实现一个简易版列表，包括以下三个重点设计。 - **初始容量**：选取一个合理的数组初始容量。在本示例中，我们选择 10 作为初始容量。 -- **数量记录**：声明一个变量 size，用于记录列表当前元素数量，并随着元素插入和删除实时更新。根据此变量，我们可以定位列表尾部，以及判断是否需要扩容。 +- **数量记录**：声明一个变量 `size` ，用于记录列表当前元素数量，并随着元素插入和删除实时更新。根据此变量，我们可以定位列表尾部，以及判断是否需要扩容。 - **扩容机制**：若插入元素时列表容量已满，则需要进行扩容。首先根据扩容倍数创建一个更大的数组，再将当前数组的所有元素依次移动至新数组。在本示例中，我们规定每次将数组扩容至之前的 2 倍。 === "Python" diff --git a/chapter_backtracking/subset_sum_problem.md b/chapter_backtracking/subset_sum_problem.md index d30bfeea6..71c511474 100644 --- a/chapter_backtracking/subset_sum_problem.md +++ b/chapter_backtracking/subset_sum_problem.md @@ -471,7 +471,7 @@ comments: true 除此之外，我们还对代码进行了以下两项优化。 - 在开启搜索前，先将数组 `nums` 排序。在遍历所有选择时，**当子集和超过 `target` 时直接结束循环**，因为后边的元素更大，其子集和都一定会超过 `target` 。 -- 省去元素和变量 `total`，**通过在 `target` 上执行减法来统计元素和**，当 `target` 等于 $0$ 时记录解。 +- 省去元素和变量 `total` ，**通过在 `target` 上执行减法来统计元素和**，当 `target` 等于 $0$ 时记录解。 === "Python" diff --git a/chapter_computational_complexity/time_complexity.md b/chapter_computational_complexity/time_complexity.md index 60a9d08fe..5f6275126 100755 --- a/chapter_computational_complexity/time_complexity.md +++ b/chapter_computational_complexity/time_complexity.md @@ -7,7 +7,7 @@ comments: true 运行时间可以直观且准确地反映算法的效率。如果我们想要准确预估一段代码的运行时间，应该如何操作呢？ 1. **确定运行平台**，包括硬件配置、编程语言、系统环境等，这些因素都会影响代码的运行效率。 -2. **评估各种计算操作所需的运行时间**，例如加法操作 `+` 需要 1 ns，乘法操作 `*` 需要 10 ns，打印操作 `print()` 需要 5 ns 等。 +2. **评估各种计算操作所需的运行时间**，例如加法操作 `+` 需要 1 ns ，乘法操作 `*` 需要 10 ns ，打印操作 `print()` 需要 5 ns 等。 3. **统计代码中所有的计算操作**，并将所有操作的执行时间求和，从而得到运行时间。 例如在以下代码中，输入数据大小为 $n$ ： @@ -3260,7 +3260,7 @@ $$ ```c title="worst_best_time_complexity.c" /* 生成一个数组，元素为 { 1, 2, ..., n }，顺序被打乱 */ int *randomNumbers(int n) { - // 分配堆区内存（创建一维可变长数组：数组中元素数量为n，元素类型为int） + // 分配堆区内存（创建一维可变长数组：数组中元素数量为 n ，元素类型为 int ） int *nums = (int *)malloc(n * sizeof(int)); // 生成数组 nums = { 1, 2, 3, ..., n } for (int i = 0; i < n; i++) { diff --git a/chapter_data_structure/number_encoding.md b/chapter_data_structure/number_encoding.md index 0da6a62ec..413f1c31c 100644 --- a/chapter_data_structure/number_encoding.md +++ b/chapter_data_structure/number_encoding.md @@ -94,7 +94,7 @@ $$ ## 3.3.2   浮点数编码 -细心的你可能会发现：`int` 和 `float` 长度相同，都是 4 bytes，但为什么 `float` 的取值范围远大于 `int` ？这非常反直觉，因为按理说 `float` 需要表示小数，取值范围应该变小才对。 +细心的你可能会发现：`int` 和 `float` 长度相同，都是 4 bytes ，但为什么 `float` 的取值范围远大于 `int` ？这非常反直觉，因为按理说 `float` 需要表示小数，取值范围应该变小才对。 实际上，**这是因为浮点数 `float` 采用了不同的表示方式**。记一个 32-bit 长度的二进制数为： diff --git a/chapter_dynamic_programming/dp_solution_pipeline.md b/chapter_dynamic_programming/dp_solution_pipeline.md index 62e615fe6..15363265c 100644 --- a/chapter_dynamic_programming/dp_solution_pipeline.md +++ b/chapter_dynamic_programming/dp_solution_pipeline.md @@ -86,7 +86,7 @@ $$ **第三步：确定边界条件和状态转移顺序** -在本题中，处在首行的状态只能向右转移，首列状态只能向下转移，因此首行 $i = 0$ 和首列 $j = 0$ 是边界条件。 +在本题中，首行的状态只能从其左边的状态得来，首列的状态只能从其上边的状态得来，因此首行 $i = 0$ 和首列 $j = 0$ 是边界条件。 如图 14-13 所示，由于每个格子是由其左方格子和上方格子转移而来，因此我们使用采用循环来遍历矩阵，外循环遍历各行、内循环遍历各列。 diff --git a/chapter_graph/graph_operations.md b/chapter_graph/graph_operations.md index 0d41cb10f..956015e02 100644 --- a/chapter_graph/graph_operations.md +++ b/chapter_graph/graph_operations.md @@ -1164,7 +1164,7 @@ comments: true def __init__(self, edges: list[list[Vertex]]): """构造方法""" # 邻接表，key: 顶点，value：该顶点的所有邻接顶点 - self.adj_list = dict[Vertex, Vertex]() + self.adj_list = dict[Vertex, list[Vertex]]() # 添加所有顶点和边 for edge in edges: self.add_vertex(edge[0]) diff --git a/chapter_heap/top_k.md b/chapter_heap/top_k.md index 508dd76f7..f03169eb9 100644 --- a/chapter_heap/top_k.md +++ b/chapter_heap/top_k.md @@ -207,7 +207,7 @@ comments: true ```javascript title="top_k.js" /* 基于堆查找数组中最大的 k 个元素 */ function topKHeap(nums, k) { - // 使用大顶堆 MaxHeap，对数组 nums 取相反数 + // 使用大顶堆 MaxHeap ，对数组 nums 取相反数 const invertedNums = nums.map((num) => -num); // 将数组的前 k 个元素入堆 const heap = new MaxHeap(invertedNums.slice(0, k)); diff --git a/chapter_preface/about_the_book.md b/chapter_preface/about_the_book.md index 0b5be6153..5699afb4e 100644 --- a/chapter_preface/about_the_book.md +++ b/chapter_preface/about_the_book.md @@ -41,7 +41,7 @@ comments: true - 感谢我在公司的导师李汐博士，在一次畅谈中您鼓励我“快行动起来”，坚定了我写这本书的决心。 - 感谢我的女朋友泡泡作为本书的首位读者，从算法小白的角度提出许多宝贵建议，使得本书更适合新手阅读。 - 感谢腾宝、琦宝、飞宝为本书起了一个富有创意的名字，唤起大家写下第一行代码 "Hello World!" 的美好回忆。 -- 感谢苏潼为本书设计了精美的封面和 LOGO，并在我的强迫症下多次耐心修改。 +- 感谢苏潼为本书设计了精美的封面和 LOGO ，并在我的强迫症下多次耐心修改。 - 感谢 @squidfunk 提供的写作排版建议，以及他开发的开源文档主题 [Material-for-MkDocs](https://github.com/squidfunk/mkdocs-material/tree/master) 。 在写作过程中，我阅读了许多关于数据结构与算法的教材和文章。这些作品为本书提供了优秀的范本，确保了本书内容的准确性与品质。在此感谢所有老师和前辈们的杰出贡献！ diff --git a/chapter_stack_and_queue/deque.md b/chapter_stack_and_queue/deque.md index 1ae8c0d30..fe9e0aea6 100644 --- a/chapter_stack_and_queue/deque.md +++ b/chapter_stack_and_queue/deque.md @@ -311,7 +311,33 @@ comments: true === "Rust" ```rust title="deque.rs" + /* 初始化双向队列 */ + let mut deque: VecDeque = VecDeque::new(); + /* 元素入队 */ + deque.push_back(2); // 添加至队尾 + deque.push_back(5); + deque.push_back(4); + deque.push_front(3); // 添加至队首 + deque.push_front(1); + + /* 访问元素 */ + if let Some(front) = deque.front() { // 队首元素 + } + if let Some(rear) = deque.back() { // 队尾元素 + } + + /* 元素出队 */ + if let Some(pop_front) = deque.pop_front() { // 队首元素出队 + } + if let Some(pop_rear) = deque.pop_back() { // 队尾元素出队 + } + + /* 获取双向队列的长度 */ + let size = deque.len(); + + /* 判断双向队列是否为空 */ + let is_empty = deque.is_empty(); ``` === "C" @@ -1394,7 +1420,7 @@ comments: true void push(int num, bool isFront) { final ListNode node = ListNode(num); if (isEmpty()) { - // 若链表为空，则令 _front，_rear 都指向 node + // 若链表为空，则令 _front 和 _rear 都指向 node _front = _rear = node; } else if (isFront) { // 队首入队操作 diff --git a/chapter_stack_and_queue/queue.md b/chapter_stack_and_queue/queue.md index 3dd6fede5..9ebdd3c8d 100755 --- a/chapter_stack_and_queue/queue.md +++ b/chapter_stack_and_queue/queue.md @@ -278,7 +278,30 @@ comments: true === "Rust" ```rust title="queue.rs" + /* 初始化双向队列 */ + // 在 Rust 中使用双向队列作为普通队列来使用 + let mut deque: VecDeque = VecDeque::new(); + /* 元素入队 */ + deque.push_back(1); + deque.push_back(3); + deque.push_back(2); + deque.push_back(5); + deque.push_back(4); + + /* 访问队首元素 */ + if let Some(front) = deque.front() { + } + + /* 元素出队 */ + if let Some(pop) = deque.pop_front() { + } + + /* 获取队列的长度 */ + let size = deque.len(); + + /* 判断队列是否为空 */ + let is_empty = deque.is_empty(); ``` === "C" diff --git a/chapter_tree/avl_tree.md b/chapter_tree/avl_tree.md index c789c83d4..71157f0ab 100644 --- a/chapter_tree/avl_tree.md +++ b/chapter_tree/avl_tree.md @@ -4,7 +4,7 @@ comments: true # 7.5   AVL 树 * -在二叉搜索树章节中，我们提到了在多次插入和删除操作后，二叉搜索树可能退化为链表。这种情况下，所有操作的时间复杂度将从 $O(\log n)$ 恶化为 $O(n)$。 +在二叉搜索树章节中，我们提到了在多次插入和删除操作后，二叉搜索树可能退化为链表。这种情况下，所有操作的时间复杂度将从 $O(\log n)$ 恶化为 $O(n)$ 。 如图 7-24 所示，经过两次删除节点操作，这个二叉搜索树便会退化为链表。