前言
隨着行業的發展，編程能力逐漸成為軟件測試從業人員的一項基本能力。因此在筆試和面試中常常會有一定量的編碼題，主要考察以下幾點。
-
基本編碼能力及思維邏輯
-
基本數據結構（順序表、鏈表、隊列、棧、二叉樹）
-
基本算法（排序、查找、遞歸）及時間復雜度
除基本算法之外，筆試面試中經常會考察以下三種思想：
-
哈希
-
遞歸
-
分治
哈希
哈希即Python中的映射類型，字典和集合，鍵值唯一，查找效率高，序列（列表、元祖、字符串）的元素查找時間復雜度是O(n)，而字典和集合的查找只需要O(1)。
因此哈希在列表問題中主要有兩種作用：
-
去重
-
優化查找效率
列表去重
列表去重在不考慮順序的情況下可以直接使用set()轉換（轉換后會自動排序），需要保持順序可以使用字典構建的fromkeys()方法，利用字典鍵值的唯一性去重。
不考慮順序：
l = [2,1,2,3,4,5,6,6,5,4,3,2,1]
result = list(set(l))
print(result)
運行結果：
[1, 2, 3, 4, 5, 6]
考慮順序：
l = [2,1,2,3,4,5,6,6,5,4,3,2,1]
result = list({}.fromkeys(l).keys())
print(result)
運行結果：
[2, 1, 3, 4, 5, 6]
列表分組
一串字母數字組合的字符串，找出相同的字母或數字，並按照個數排序。
l = [1,2,3,'a','b','c',1,2,'a','b',3,'c','d','a','b',1]
set1 = set(l)
result = [(item, l.count(item)) for item in set1]
result.sort(key=lambda x:x[1], reverse=True)
print(result)
這里使用哈希的鍵值不重復性。當然也可以使用python自帶的groupby函數，代碼如下：
from itertools import groupby
l = [1,2,3,'a','b','c',1,2,'a','b',3,'c','d','a','b',1]
l.sort(key=lambda x: str(x)) # 分組前需要先排序
result = []
for item, group in groupby(l, key=lambda x: str(x)):
result.append((item, len(list(group))))
result.sort(key=lambda x:x[1], reverse=True)
print(result)
海量數據top K
對於小數據量可以使用排序+切片，而對於海量數據，需要考慮服務器硬件條件。即要考慮時間效率，也要考慮內存占用，同時還要考慮數據特征。如果大量的重復數據，可以先用哈希進行去重來降低數據量。
這里我們使用生成器生成1000萬個隨機整數，求最大的1000個數，生成隨機數的代碼如下：
import random
import time
n = 10000 * 1000
k = 1000
print(n)
def gen_num(n):
for i in range(n):
yield random.randint(0, n)
l = gen_num(n)
-
不限內存可以直接使用set()去重+排序
start = time.time()
l = list(set(l))
result = l[-k:]
result.reverse()
print(time.time()-start)
1000w個數據會全部讀入內存，set后列表自動為遞增順序，使用切片取-1000到最后的即為top 1000的數
-
使用堆排可以節省一些內存
start = time.time()
result = heapq.nlargest(k, l)
print(time.time()-start)
這里是用來Python自帶的堆排庫heapq。使用nlargest(k,l)可以取到l序列，最大的k個數。
-
較小內存可以分治策略，使用多線程對數據進行分組處理（略）
兩數之和
l=[1,2,3,4,5,6,7,8] 數據不重復，target=6，快速找出數組中兩個元素之和等於target 的數組下標。
注意，不要使用雙重循環，暴力加和來和target對比，正確的做法是單層循環，然后查找target與當前值的差，是否存在於列表中。
但是由於列表的in查詢時間復雜度是O(n)，即隱含了一層循環，這樣效率其實和雙重循環是一樣的，都是O(n^2)。
這里就可以使用哈希來優化查詢差值是否在列表中操作，將O(n)降為O(1)，因此總體的效率就會變成O(n^2)->O(n)。
l = [1,2,3,4,5,6,7,8]
set1 = set(list1) # 使用集合已方便查找
target = 6
result = []
for a in list1:
b = target - a
if a < b < target and b in set1: # 在集合中查找,為避免重復，判斷a為較小的那個值
result.append((list1.index(a), list1.index(b))) # 列表index取下標的操作為O(1)
print(result)
遞歸問題
遞歸是一種循環調用自身的函數。可以用於解決以下高頻問題：
-
階乘
-
斐波那切數列
-
跳台階、變態跳台階
-
快速排序
-
二分查找
-
二叉樹深度遍歷（前序、中序、后序）
-
求二叉樹深度
-
平衡二叉樹判斷
-
判斷兩顆樹是否相同
遞歸是一種分層推導解決問題的方法，是一種非常重要的解決問題的思想。遞歸可快速將問題層級化，簡單化，只需要考慮出口和每層的推導即可。
如階乘，要想求n!，只需要知道前一個數的階乘(n-1)!，然后乘以n即可，因此問題可以轉為求上一個數的階乘，依次向前，直到第一個數。
舉個通俗的例子：
A欠你10萬，但是他沒那么多錢，B欠A 8萬，C欠B 7萬 C現在有錢。因此你要逐層找到C，一層一層還錢，最后你才能拿到屬於你的10萬。
編寫遞歸函數有兩個要點：
-
出口條件，可以不止一個
-
推導方法（已知上一個結果怎么推導當前結果）
階乘
求n的階乘
-
出口：n = 1 時，返回1
-
推導：(n-1)層的結果 * n
代碼如下：
def factorial(n):
if n == 1: # 出口
return 1
return factorial(n-1) * n # 自我調用求上一個結果，然后推導本層結果
也可以簡寫為
factorial = lambda n: 1 if n==1 else factorial(n-1) * n
斐波那切數列
斐波那切數列是 1 1 2 3 5 8 ...這樣的序列。前兩個數為1，后面的數為前兩個數之和。
-
出口：n <= 2，返回1
-
推導：(n-1)層的結果 + (n-2)層的結果
代碼如下：
def fib(n):
if n<=2:
return 1
return fib(n-2) + fib(n-1)
遞歸是一種分層簡化問題的解法，但不一定是效率最高的解法，比如斐波那切數列中，在求fib(n-2) 和 fib(n-1)時實際上反復求解了兩次fib(n-2)。
可以通過緩存來優化效率，代碼如下。
from functools import lru_cache
@lru_cache()
def fib(n):
if n<=2:
return 1
return fib(n-2) + fib(n-1)
跳台階、變態跳台階
-
跳台階：一只青蛙，一次可以跳上1階，也可以跳上2階，問跳上n階有多少種跳法。
-
變態跳台階：一只青蛙，一次可以跳上1階，可以一次跳上n階，為跳上n階有多少種跳法。
這個問題關鍵是邏輯分析每層的推導過程。
跳台階實際上就是一個從第二位開始的斐波那切數列：1 2 3 5 8 13 ...
-
出口：n <= 2，返回n（即1時返回1，2時返回2）
-
推導：(n-1)層的結果 + (n-2)層的結果
代碼如下：
jump1 = lambda n: n if n<=2 else jump1(n-2) + jump1(n-1)
變態跳台階只是推導方式不同，每一層的結果是上一層跳法的2倍。
-
出口：n <= 2，返回n
-
推導：(n-1)層的結果 * 2
代碼如下：
jump2 = lambda n: n if n<=2 else jump2(n-1) * 2
快速排序
快速排序的是想是選一個基准數（如第一個數），將大於該數和小於該數的分成兩塊，然后在每一塊中重復執行此操作，直到該塊中只有一個數，即為有序。
-
出口：列表長度為1（<2）時，返回列表
-
選擇一個數，（將小於該數的序列）排序結果 + 基准數 + （大於該數的序列）排序結果
def quick_sort(l):
length = len(l)
if len(l) <=1:
return l
mid = 0
low_part = [i for i in l[1:] if i < l[mid]]
eq_part = [i for i in l[1:] if i == l[mid]]
high_part = [i for i in l[1:] if i > l[mid]]
return quick_sort(low_part) + eq_part + quick_sort(high_part)
二分查找
二分查找需要序列首先有序。思想是先用序列中間數和目標值對比，如果目標值小，則從前半部分（小於中間數）重復此查找，否則從后半部分重復此查找。
-
出口1：中間數和目標數相同，返回中間數下標
-
出口2：列表為空，返回未找到
-
推導：
def bin_search(l, n):
if not l:
return None
mid = len(l) // 2
if l[mid] == n:
return mid
if l[mid] > n:
return bin_search(l[:mid])
return bin_search(l[mid+1:])
二叉樹遍歷
二叉樹是非常常考的一種數據結構。其基本結構就是一個包含數據和左右節點的一種結構，使用Python類描述如下：
class Node(object):
def __init__(self, data, left=None, right=None):
self.data = data
self.left = left
self.right = right
二叉樹的遍歷分為分層遍歷（廣度優先）和深度遍歷（深度優先）兩種，其中深度遍歷又分為前序、中序、后序三種。
分層遍歷由於每次處理多個節點，使用循環解決更加方便一點（也可以是使用遞歸解決）。
分層遍歷代碼如下：
def lookup(root):
row = [root]
while(row):
print(row)
row = [kid for item in row for kid in (item.left, item.right) if kid]
深度遍歷
-
出口：節點為None
-
推導：
-
前序：打印當前節點-》遍歷左子樹 -》遍歷右子樹
-
中序：遍歷左子樹 -》打印當前節點-》遍歷右子樹
-
后序：遍歷左子樹 -》遍歷右子樹-》打印當前節點
以前序為例：
def deep(root):
if root is none:
return
[print(root.data), deep(root.left), deep(root.right)]
二叉樹最大深度
二叉樹最大深度即其左子樹深度和右子樹深度中最大的一個加上1（當前節點）。由於二叉樹的每一個左右節點都是一個二叉樹，這種層層嵌套的結構非常適合使用遞歸求解。
-
出口：節點為空，深度返回0
-
推導：左子樹深度和右子樹深度中最大的一個 + 1
def max_depth(root):
if not root:
return 0
return max([max_depth(root.left), max_depth(root.right)]) + 1
相等二叉樹判斷
相等二叉樹是只，一個二叉樹，節點數據相同，左右子樹也完全相同。由於左右子樹也是一個二叉樹，因此也可以使用遞歸求解。
-
出口：最后的節點都為None時，兩個相等，返回True
-
推導：判斷兩個節點數據是否相等，左子樹是否相等（遞歸），右子樹是否相等（遞歸）
def is_same_tree(p, q):
if p is None and q is None:
return True
elif p and q:
return p.data == q.data and is_same_tree(p.left, q.left) and is_same_tree(p.right, q.right)
平衡二叉樹判斷
平衡二叉樹是指，一個二叉樹的左右子樹的高度差不超過1。平衡二叉樹的左右子樹也應該是平衡二叉樹，因此這也是一個遞歸問題。
-
出口：兩個節點都為None時，返回True（平衡）
-
判斷左子樹和右子樹深度的差<=1，並且左右子樹都是平衡二叉樹（遞歸）
注：這里需要使用以上求二叉樹深度的方法
def max_depth(root):
if not root:
return 0
return max([max_depth(root.left), max_depth(root.right)]) + 1
def is_balance_tree(root):
if root is None:
return True
return abs(max_depth(root.left)-max_depth(root.right))<=1 and is_balance_tree(root.left) and is_balance_tree(root.right)
其他
字符串統計
str1 = 'abcdaacddceea'
set1 = set(str1)
result = [(char, str1.count(char)) for char in set1]
print(result)
統計重復最多的n個字符
from collections import Counter
c = Counter('abcdaacddceea')
print(c.items())
print(c.most_common(3))
字符串反轉
-
簡單字符串反轉
Python中字符串反轉方式非常多，而且比較高效，可以使用反向切片或者reverse實現。
'abcefg'[::-1]
或
''.join(reversed('abcdefg'))
-
包含數字字母的字符串，僅反轉字母
可以通過遍歷判斷，如果是字母則取其對應反轉索引位置的字母，如果是數字則取當前數字。
a = 'abc123efg'
l = len(a)
r = []
for i,c in enumerate(a):
r.append(c) if c.isdigit() else r.append(a[l-i-1])
print(''.join(r))
判斷括號是否閉合
這是棧使用的一個經典示例，思路為，遇到正括號則入棧，遇到反括號則和棧頂判斷，如果匹配則匹配的正括號出棧（完成一對匹配），否則打印不匹配，break退出。
text = "({[({{abc}})][{1}]})2([]){({[]})}[]"
def is_closed(text)
stack = [] # 使用list模擬棧, stack.append()入棧, stack.pop()出棧並獲取棧頂元素
brackets = {')':'(',']':'[','}':'{'} # 使用字典存儲括號的對應關系, 使用反括號作key方便查詢對應的括號
for char in text:
if char in brackets.values(): # 如果是正括號,入棧
stack.append(char)
elif char in brackets.keys(): # 如果是反括號
if brackets[char] != stack.pop(): # 如果不匹配彈出的棧頂元素
return False
return True
print(is_closed(text))
合並兩個有序列表，並保持有序
常見的解法有兩種：
-
連接 + 排序，時間復雜度度為O((m+n)log2(m+n))
-
兩個隊列根據大小依次彈出，時間復雜度度約為O(m+n)
依次出隊列的邏輯為：
-
隊列1為空，隊列2不為空，從隊列2彈出一個數據
-
隊列2為空，隊列1不為空，從隊列1彈出一個數據
-
兩個都不為空，判斷兩個對隊列頂端哪個小，從哪個列表彈出一個數據
以下為使用Python列表模擬兩個隊列依次彈出的示例。
由於Python列表尾部彈出list.pop()的的操作效率O(1)，比首部彈出list.pop(0)的操作效率O(n)更高，因此我們先按從大到小排序，最后在執行一次反轉。
list1 = [1,5,7,9]
list2 = [2,3,4,5, 6,8,10,12,14]
result = []
for i in range(len(list1) + len(list2)):
if list1 and not list2:
result.append(list1.pop())
elif list2 and not list1:
result.append(list2.pop())
else:
result.append(list1.pop()) if list1[-1] > list2[-1] else result.append(list2.pop()) # 彈出頂端大的數
result.reverse() # 執行反轉
print(result)