代码随想录算法训练营day55 | 392.判断子序列，115.不同的子序列

392.判断子序列

参考代码随想录算法训练营第五十五天 |392. 判断子序列、115. 不同的子序列 - 掘金

• 暴力解法： Time Complexity: O(M*N)  Space Complexity: O(N)

class Solution:
    def isSubsequence(self, s: str, t: str) -> bool:
        start = 0 #used to make sure that the relative positions do not change
        for char in s:
            t = t[start:]
            idx = t.find(char)
            if idx == -1:
                return False
            start = idx + 1
        return True

• 双指针：同时操作两个数组: Time Complexity: O(N)  Space Complexity: O(1)

class Solution(object):
    def isSubsequence(self, s, t):
        """
        :type s: str
        :type t: str
        :rtype: bool
        """
        pointerS = 0
        pointerT = 0
 
        while pointerT < len(t):
            if pointerS >= len(s):
                break
                
            if t[pointerT] == s[pointerS]:
                pointerS += 1
            pointerT += 1
        return pointerS == len(s)

• 动态规划： Time Complexity: O(M*N)  Space Complexity: O(M*N)

五部曲：

1. 确定dp数组以及下标的含义：

    dp[i][j] 表示以下标i-1为结尾的字符串s，和以下标j-1为结尾的字符串t，相同。序列的          长度为dp[i][j]。

2. 确定递推公式：

    首先要考虑如下两种操作：

• if (s[i - 1] == t[j - 1])：也就是t中找到了一个字符在s中也出现了。那么dp[i][j] = dp[i - 1][j - 1] + 1;，因为找到了一个相同的字符，相同子序列长度自然要在dp[i-1][j-1]的基础上加1
• if (s[i - 1] != t[j - 1])：也就是相当于t要删除元素，继续匹配。t如果把当前元素t[j - 1]删除，那么dp[i][j] 的数值就是看s[i - 1]与 t[j - 2]的比较结果了，即：dp[i][j] = dp[i][j - 1];

3. dp数组如何初始化：从递推公式可以看出dp[i][j]都是依赖于dp[i - 1][j - 1] 和 dp[i][j - 1]，         所。以dp[0][0]和dp[i][0]是一定要初始化的。dp[i][0] 表示以下标i-1为结尾的字符串，与空字符串的相同子序列长度，所以为0. dp[0][j]同理。

（这里大家已经可以发现，在定义dp[i][j]含义的时候为什么要表示以下标i-1为结尾的字符         串s，和以下标j-1为结尾的字符串t，相同子序列的长度为dp[i][j]。因为这样的定义在dp二       维矩阵中可以留出初始化的区间。如果要是定义的dp[i][j]是以下标i为结尾的字符串s和以下标j为结尾的字符串t，初始化就比较麻烦了。）

这与#718，#1143和#1035对于dp数组的定义出于同样的目的，都是可以简化初始化过程。二刷时确定一下按照哪个方式来写，固定下来

4. 确定遍历顺序：从递推公式可以看出dp[i][j]都是依赖于dp[i - 1][j - 1] 和 dp[i][j - 1]，那么遍历顺序也应该是从上到下，从左到右

5. 打印检查

注意：

• dp数组的定义：以下标i-1为结尾的字符串s，和以下标j-1为结尾的字符串t，相同子序列的长度为dp[i][j]。 就是求s和t的相同子序列，换句话说和求t和s的相同子序列是一样的。（不同于暴力解法，要明确一个是另一个的子序列，或者说明确字符串长短；动态规划是求两个字符串的公共子序列，因此dp数组的定义关于t和s谁在前谁在后无所谓，下面代码就是调换s和t的位置。）

class Solution(object):
    def isSubsequence(self, s, t):
        """
        :type s: str
        :type t: str
        :rtype: bool
        """
        dp = [[0]*(len(s)+1) for _ in range(len(t)+1)]
        # print(dp)
 
        for i in range(1, len(t)+1):
            for j in range(1, len(s)+1):
                if t[i - 1] == s[j - 1]:
                    dp[i][j] = dp[i-1][j-1]+1
                else:
                    dp[i][j] = dp[i-1][j]
 
        return dp[len(t)][len(s)] == len(s)

115.不同的子序列

Q：#392在定义dp数组时是dp = [[0]*(len(t)+1) for _ in range(len(s)+1)]（s is a subsequence of t）；这道题是t is a subsequence of s，dp数组定义也是dp = [[0] * (len(t)+1) for _ in range(len(s)+1)]，为什么可以这样？

A: 参考上面“注意”的讨论

class Solution(object):
    def numDistinct(self, s, t):
        """
        :type s: str
        :type t: str
        :rtype: int
        """
        dp = [[0]*(len(t)+1) for _ in range(len(s)+1)]
        print(dp)
        for i in range(len(s)):
            dp[i][0] = 1
        for j in range(1, len(t)):
            dp[0][j] = 0
 
        for i in range(1, len(s)+1):
            for j in range(1, len(t)+1):
                if s[i-1] == t[j-1]:
                    dp[i][j] = dp[i-1][j-1] + dp[i-1][j]
                else:
                    dp[i][j] = dp[i-1][j]
        return dp[len(s)][len(t)]