Question

我在leetcode上创建了this问题的解决方案：

所有DNA由一系列缩写为A，C，G和T的核苷酸组成，例如：＆＃34; ACGAATTCCG＆＃34;。在研究DNA时，有时识别DNA中的重复序列是有用的。

编写一个函数来查找DNA分子中不止一次出现的所有10个字母长的序列（子串）。

我的解决方案会导致内存不足异常：

class Solution:
    # @param {string} s
    # @return {string[]}
    def findRepeatedDnaSequences(self, s):
        seen_so_far = set()
        results = set()
        for seq in self.window(10, s):
            if seq in seen_so_far:
                results.add(seq)
            else:
                seen_so_far.add(seq)
        return list(results)

    def window(self, window_size, array):
        window_start = 0
        window_end = window_size
        while window_end < len(array):
            yield array[window_start:window_end+1]
            window_end += window_size

此解决方案有效：

class Solution:
    # @param {string} s
    # @return {string[]}
    def findRepeatedDnaSequences(self, s):
        d = {}
        res = []
        for i in range(len(s)):
            key = s[i:i+10]
            if key not in d:
                d[key] = 1
            else:
                d[key] += 1

        for e in d:
            if d[e] > 1:
                res.append(e)

        return res

它们看起来基本相同。我错过了什么？

Answer 1

您的window功能不正确。它产生一系列子串[0:11]，[0:21]，[0:31]，...（注意window_start保持为零）。它可以是固定的，例如如

def window(self, window_size, array):
    window_start = 0
    while window_start < len(array) - window_size + 1:
        yield array[window_start:window_start+window_size]
        window_start += 1

编辑：子串结束索引被1关闭。

Answer 2

在此：

def window(self, window_size, array):
    window_start = 0
    window_end = window_size
    while window_end < len(array):
        yield array[window_start:window_end+1]
        window_end += window_size

永远不会更改window_start的值。因此，假设window_size为10，则首先生成切片0:11（但需要0:10），然后切片0:21（但需要1:11），然后是切片0:31（但需要2:12），依此类推。您返回的所有切片的总长度与len(array)的平方成比例增长。如果array很长，那就可以解释它。但是没有足够的信息来确定这一点。

为什么这段代码占用了这么多内存？

2 个答案: