python實現(xiàn)反轉(zhuǎn)部分單向鏈表
更新時間：2018年09月27日 15:58:43 作者：冬日新雨
這篇文章主要為大家詳細(xì)介紹了python實現(xiàn)反轉(zhuǎn)部分單向鏈表，具有一定的參考價值，感興趣的小伙伴們可以參考一下
題目：
給定一個單鏈表的頭指針 head， 以及兩個整數(shù) a 和 b，在單鏈表中反轉(zhuǎn) linked_list[a-b] 的結(jié)點，然后返回整個鏈表的頭指針。
例如：
單鏈表[1000, 5, 12, 100, 45, ‘cecil', 999]，
a = 4， b = 6，
返回的鏈表是[1000, 5, 12, 100, 999, ‘cecil', 45]，也就是說，
a 和 b分別為索引值。如果a 和 b 超過了索引范圍就返回錯誤。
代碼：
我寫的不夠簡潔，比較繁瑣，但是能跑通，繁瑣的原因在于我使用了 for 循環(huán)，對于 a == 0 的情況 for 循環(huán)無法識別。
def reverse_part_linked_list(head, a, b): # 反轉(zhuǎn)部分鏈表結(jié)點，a, b分別為索引值
if head == 0:
print "Empty linked list. No need to reverse."
return head
p = head
length = 1
while p != 0:
length += 1
p = p.next
if length == 1:
print "No need to reverse."
return head
if a < 0 or b > length-1 or a >= b:
raise Exception("The given 'from' value and 'to' value is wrong.")
p = head
if a == 0: # 由于 for 循環(huán)中 xrange 的范圍問題，我就分情況寫了。
tail, head = p, p
pre = 0
for _ in xrange(a, b+1):
p = p.next
head.next = pre
pre = head
head = p
tail.next = p
return head
else:
for _ in xrange(1, a):
p = p.next
front, tail, head = p, p, p
p = p.next
pre = 0
for _ in xrange(a+1, b+2):
p = p.next
head.next = pre
pre = head
head = p
front.next = pre
tail.next = p
return head
分析：
核心依然是反轉(zhuǎn)鏈表的指針問題，均是一遍循環(huán)，時間復(fù)雜度o（n），空間復(fù)雜度為若干個變量。
以上就是本文的全部內(nèi)容，希望對大家的學(xué)習(xí)有所幫助，也希望大家多多支持腳本之家。
相關(guān)文章
這篇文章主要介紹了python列表操作使用示例,需要的朋友可以參考下2014-02-02
這篇文章主要介紹了pytorch中常用的損失函數(shù)用法說明，具有很好的參考價值，希望對大家有所幫助。如有錯誤或未考慮完全的地方，望不吝賜教2021-05-05
使用jupyter notebook輸出顯示不完全的問題及解決
這篇文章主要介紹了使用jupyter notebook輸出顯示不完全的問題及解決方案,具有很好的參考價值,希望對大家有所幫助,如有錯誤或未考慮完全的地方,望不吝賜教2024-02-02
這篇文章主要給大家介紹了關(guān)于利用Python求陰影部分面積的相關(guān)資料，文中通過示例代碼介紹的非常詳細(xì)，對大家學(xué)習(xí)或者使用python具有一定的參考學(xué)習(xí)價值，需要的朋友們下面隨著小編來一起學(xué)習(xí)學(xué)習(xí)吧2018-12-12
詳解Python設(shè)計模式編程中觀察者模式與策略模式的運用
這篇文章主要介紹了Python設(shè)計模式編程中觀察者模式與策略模式的運用,觀察者模式和策略模式都可以歸類為結(jié)構(gòu)型的設(shè)計模式,需要的朋友可以參考下2016-03-03
這篇文章主要介紹了python接口自動化測試之接口數(shù)據(jù)依賴的實現(xiàn)方法，小編覺得挺不錯的，現(xiàn)在分享給大家，也給大家做個參考。一起跟隨小編過來看看吧2021-08-08
AI生成圖片Stable?Diffusion環(huán)境搭建與運行方法
Stable?Diffusion是一種基于擴(kuò)散過程的生成模型，由Ge?et?al.在2021年提出，該模型利用了隨機(jī)變量的穩(wěn)定分布，通過遞歸地應(yīng)用擴(kuò)散過程來生成高質(zhì)量的圖像，這篇文章主要介紹了AI圖片生成Stable?Diffusion環(huán)境搭建與運行,需要的朋友可以參考下2023-05-05
在Paddle中安裝python-bidi時遇到Rust和Cargo缺失的問題,通過安裝舊版本的python-bidi（0.4.0）解決了問題2025-02-02
這篇文章主要介紹了Python隊列的定義與使用方法,結(jié)合具體實例形式分析了Python定義及使用隊列的具體操作技巧與注意事項,需要的朋友可以參考下2017-06-06
這篇文章主要介紹了Python裝飾器使用示例及實際應(yīng)用例子,本文給出了斐波拉契數(shù)列、注冊回調(diào)函數(shù)、mysql封裝、線程異步等實際使用示例,需要的朋友可以參考下2015-03-03