Python数据结构常见的八大排序算法（详细整理）

前言

八大排序，三大查找是《数据结构》当中非常基础的知识点，在这里为了复习顺带总结了一下常见的八种排序算法。
常见的八大排序算法，他们之间关系如下：

 

排序算法.png

 

他们的性能比较：

 

 


下面，利用Python分别将他们进行实现。

 

直接插入排序

  • 算法思想：

直接插入排序.gif

 

直接插入排序的核心思想就是：将数组中的所有元素依次跟前面已经排好的元素相比较，如果选择的元素比已排序的元素小，则交换，直到全部元素都比较过。
因此，从上面的描述中我们可以发现，直接插入排序可以用两个循环完成：

  1. 第一层循环：遍历待比较的所有数组元素
  2. 第二层循环：将本轮选择的元素(selected)与已经排好序的元素(ordered)相比较。
    如果：selected > ordered，那么将二者交换
  • 代码实现
#直接插入排序
def insert_sort(L):#遍历数组中的所有元素，其中0号索引元素默认已排序，因此从1开始for x in range(1,len(L)):#将该元素与已排序好的前序数组依次比较，如果该元素小，则交换#range(x-1,-1,-1):从x-1倒序循环到0for i in range(x-1,-1,-1):#判断：如果符合条件则交换if L[i] > L[i+1]:temp = L[i+1]L[i+1] = L[i]L[i] = temp

希尔排序

  • 算法思想：

希尔排序.png

 

希尔排序的算法思想：将待排序数组按照步长gap进行分组，然后将每组的元素利用直接插入排序的方法进行排序；每次将gap折半减小，循环上述操作；当gap=1时，利用直接插入，完成排序。
同样的：从上面的描述中我们可以发现：希尔排序的总体实现应该由三个循环完成：

  1. 第一层循环：将gap依次折半，对序列进行分组，直到gap=1
  2. 第二、三层循环：也即直接插入排序所需要的两次循环。具体描述见上。
  • 代码实现：
#希尔排序
def insert_shell(L):#初始化gap值，此处利用序列长度的一般为其赋值gap = (int)(len(L)/2)#第一层循环：依次改变gap值对列表进行分组while (gap >= 1):#下面：利用直接插入排序的思想对分组数据进行排序#range(gap,len(L)):从gap开始for x in range(gap,len(L)):#range(x-gap,-1,-gap):从x-gap开始与选定元素开始倒序比较，每个比较元素之间间隔gapfor i in range(x-gap,-1,-gap):#如果该组当中两个元素满足交换条件，则进行交换if L[i] > L[i+gap]:temp = L[i+gap]L[i+gap] = L[i]L[i] =temp#while循环条件折半gap = (int)(gap/2)

简单选择排序

  • 算法思想

简单选择排序.gif

 

简单选择排序的基本思想：比较+交换。

  1. 从待排序序列中，找到关键字最小的元素；
  2. 如果最小元素不是待排序序列的第一个元素，将其和第一个元素互换；
  3. 从余下的 N - 1 个元素中，找出关键字最小的元素，重复(1)、(2)步，直到排序结束。
    因此我们可以发现，简单选择排序也是通过两层循环实现。
    第一层循环：依次遍历序列当中的每一个元素
    第二层循环：将遍历得到的当前元素依次与余下的元素进行比较，符合最小元素的条件，则交换。
  • 代码实现
# 简单选择排序
def select_sort(L):
#依次遍历序列中的每一个元素for x in range(0,len(L)):
#将当前位置的元素定义此轮循环当中的最小值minimum = L[x]
#将该元素与剩下的元素依次比较寻找最小元素for i in range(x+1,len(L)):if L[i] < minimum:temp = L[i];L[i] = minimum;minimum = temp
#将比较后得到的真正的最小值赋值给当前位置L[x] = minimum

堆排序

  • 堆的概念
    堆：本质是一种数组对象。特别重要的一点性质：<b>任意的叶子节点小于（或大于）它所有的父节点</b>。对此，又分为大顶堆和小顶堆，大顶堆要求节点的元素都要大于其孩子，小顶堆要求节点元素都小于其左右孩子，两者对左右孩子的大小关系不做任何要求。
    利用堆排序，就是基于大顶堆或者小顶堆的一种排序方法。下面，我们通过大顶堆来实现。

  • 基本思想：
    堆排序可以按照以下步骤来完成：

    1. 首先将序列构建称为大顶堆；
      （这样满足了大顶堆那条性质：位于根节点的元素一定是当前序列的最大值）

       

      构建大顶堆.png

    2. 取出当前大顶堆的根节点，将其与序列末尾元素进行交换；
      （此时：序列末尾的元素为已排序的最大值；由于交换了元素，当前位于根节点的堆并不一定满足大顶堆的性质）

    3. 对交换后的n-1个序列元素进行调整，使其满足大顶堆的性质；

       

      Paste_Image.png

    4. 重复2.3步骤，直至堆中只有1个元素为止

  • 代码实现：

#-------------------------堆排序--------------------------------
#**********获取左右叶子节点**********
def LEFT(i):return 2*i + 1
def RIGHT(i):return 2*i + 2
#********** 调整大顶堆 **********
#L:待调整序列 length: 序列长度 i:需要调整的结点
def adjust_max_heap(L,length,i):
#定义一个int值保存当前序列最大值的下标largest = i
#执行循环操作：两个任务：1 寻找最大值的下标；2.最大值与父节点交换while (1):
#获得序列左右叶子节点的下标left,right = LEFT(i),RIGHT(i)
#当左叶子节点的下标小于序列长度 并且 左叶子节点的值大于父节点时，将左叶子节点的下标赋值给largestif (left < length) and (L[left] > L[i]):largest = leftprint('左叶子节点')else:largest = i
#当右叶子节点的下标小于序列长度 并且 右叶子节点的值大于父节点时，将右叶子节点的下标值赋值给largestif (right < length) and (L[right] > L[largest]):largest = rightprint('右叶子节点')
#如果largest不等于i 说明当前的父节点不是最大值，需要交换值if (largest != i):temp = L[i]L[i] = L[largest]L[largest] = tempi = largestprint(largest)continueelse:break
#********** 建立大顶堆 **********
def build_max_heap(L):length = len(L)for x in range((int)((length-1)/2),-1,-1):adjust_max_heap(L,length,x)
#********** 堆排序 **********
def heap_sort(L):
#先建立大顶堆，保证最大值位于根节点；并且父节点的值大于叶子结点build_max_heap(L)
#i：当前堆中序列的长度.初始化为序列的长度i = len(L)
#执行循环：1. 每次取出堆顶元素置于序列的最后(len-1,len-2,len-3...)
#         2. 调整堆，使其继续满足大顶堆的性质，注意实时修改堆中序列的长度while (i > 0):temp = L[i-1]L[i-1] = L[0]L[0] = temp
#堆中序列长度减1i = i-1
#调整大顶堆adjust_max_heap(L,i,0)

冒泡排序

  • 基本思想

     

    冒泡排序.gif

     

    冒泡排序思路比较简单：

    1. 将序列当中的左右元素，依次比较，保证右边的元素始终大于左边的元素；
      （ 第一轮结束后，序列最后一个元素一定是当前序列的最大值；）
    2. 对序列当中剩下的n-1个元素再次执行步骤1。
    3. 对于长度为n的序列，一共需要执行n-1轮比较
      （利用while循环可以减少执行次数）

*代码实现

#冒泡排序
def bubble_sort(L):length = len(L)
#序列长度为length，需要执行length-1轮交换for x in range(1,length):
#对于每一轮交换，都将序列当中的左右元素进行比较
#每轮交换当中，由于序列最后的元素一定是最大的，因此每轮循环到序列未排序的位置即可for i in range(0,length-x):if L[i] > L[i+1]:temp = L[i]L[i] = L[i+1]L[i+1] = temp

快速排序

  • 算法思想：

    快速排序.gif


    快速排序的基本思想：挖坑填数+分治法
    1. 从序列当中选择一个基准数(pivot)
      在这里我们选择序列当中第一个数最为基准数
    2. 将序列当中的所有数依次遍历，比基准数大的位于其右侧，比基准数小的位于其左侧
    3. 重复步骤1.2，直到所有子集当中只有一个元素为止。
      用伪代码描述如下：
      1．i =L; j = R; 将基准数挖出形成第一个坑a[i]。
      2．j--由后向前找比它小的数，找到后挖出此数填前一个坑a[i]中。
      3．i++由前向后找比它大的数，找到后也挖出此数填到前一个坑a[j]中。
      4．再重复执行2，3二步，直到i==j，将基准数填入a[i]中
  • 代码实现：
#快速排序
#L：待排序的序列；start排序的开始index,end序列末尾的index
#对于长度为length的序列：start = 0;end = length-1
def quick_sort(L,start,end):if start < end:i , j , pivot = start , end , L[start]while i < j:
#从右开始向左寻找第一个小于pivot的值while (i < j) and (L[j] >= pivot):j = j-1
#将小于pivot的值移到左边if (i < j):L[i] = L[j]i = i+1 
#从左开始向右寻找第一个大于pivot的值while (i < j) and (L[i] < pivot):i = i+1
#将大于pivot的值移到右边if (i < j):L[j] = L[i]j = j-1
#循环结束后，说明 i=j，此时左边的值全都小于pivot,右边的值全都大于pivot
#pivot的位置移动正确，那么此时只需对左右两侧的序列调用此函数进一步排序即可
#递归调用函数：依次对左侧序列：从0 ~ i-1//右侧序列：从i+1 ~ endL[i] = pivot
#左侧序列继续排序quick_sort(L,start,i-1)
#右侧序列继续排序quick_sort(L,i+1,end)

归并排序

  • 算法思想：

     

    归并排序.gif

    1. 归并排序是建立在归并操作上的一种有效的排序算法，该算法是采用分治法的一个典型的应用。它的基本操作是：将已有的子序列合并，达到完全有序的序列；即先使每个子序列有序，再使子序列段间有序。
    2. 归并排序其实要做两件事：
    • 分解----将序列每次折半拆分
    • 合并----将划分后的序列段两两排序合并
      因此，归并排序实际上就是两个操作，拆分+合并
    1. 如何合并？
      L[first...mid]为第一段，L[mid+1...last]为第二段，并且两端已经有序，现在我们要将两端合成达到L[first...last]并且也有序。
    • 首先依次从第一段与第二段中取出元素比较，将较小的元素赋值给temp[]
    • 重复执行上一步，当某一段赋值结束，则将另一段剩下的元素赋值给temp[]
    • 此时将temp[]中的元素复制给L[]，则得到的L[first...last]有序
    1. 如何分解？
      在这里，我们采用递归的方法，首先将待排序列分成A,B两组；然后重复对A、B序列
      分组；直到分组后组内只有一个元素，此时我们认为组内所有元素有序，则分组结束。

  • 代码实现

# 归并排序
#这是合并的函数
# 将序列L[first...mid]与序列L[mid+1...last]进行合并
def mergearray(L,first,mid,last,temp):
#对i,j,k分别进行赋值i,j,k = first,mid+1,0
#当左右两边都有数时进行比较，取较小的数while (i <= mid) and (j <= last):if L[i] <= L[j]:temp[k] = L[i]i = i+1k = k+1else:temp[k] = L[j]j = j+1k = k+1
#如果左边序列还有数while (i <= mid):temp[k] = L[i]i = i+1k = k+1
#如果右边序列还有数while (j <= last):temp[k] = L[j]j = j+1k = k+1
#将temp当中该段有序元素赋值给L待排序列使之部分有序for x in range(0,k):L[first+x] = temp[x]
# 这是分组的函数
def merge_sort(L,first,last,temp):if first < last:mid = (int)((first + last) / 2)
#使左边序列有序merge_sort(L,first,mid,temp)
#使右边序列有序merge_sort(L,mid+1,last,temp)
#将两个有序序列合并mergearray(L,first,mid,last,temp)
# 归并排序的函数
def merge_sort_array(L):
#声明一个长度为len(L)的空列表temp = len(L)*[None]
#调用归并排序merge_sort(L,0,len(L)-1,temp)

基数排序

  • 算法思想

     

    基数排序.gif

    1. 基数排序：通过序列中各个元素的值，对排序的N个元素进行若干趟的“分配”与“收集”来实现排序。
      分配：我们将L[i]中的元素取出，首先确定其个位上的数字，根据该数字分配到与之序号相同的桶中
      收集：当序列中所有的元素都分配到对应的桶中，再按照顺序依次将桶中的元素收集形成新的一个待排序列L[ ]
      对新形成的序列L[]重复执行分配和收集元素中的十位、百位...直到分配完该序列中的最高位，则排序结束
    2. 根据上述“基数排序”的展示，我们可以清楚的看到整个实现的过程
  • 代码实现
#************************基数排序****************************
#确定排序的次数
#排序的顺序跟序列中最大数的位数相关
def radix_sort_nums(L):maxNum = L[0]
#寻找序列中的最大数for x in L:if maxNum < x:maxNum = x
#确定序列中的最大元素的位数times = 0while (maxNum > 0):maxNum = (int)(maxNum/10)times = times+1return times
#找到num从低到高第pos位的数据
def get_num_pos(num,pos):return ((int)(num/(10**(pos-1))))%10
#基数排序
def radix_sort(L):count = 10*[None]       #存放各个桶的数据统计个数bucket = len(L)*[None]  #暂时存放排序结果
#从低位到高位依次执行循环for pos in range(1,radix_sort_nums(L)+1):#置空各个桶的数据统计for x in range(0,10):count[x] = 0#统计当前该位(个位，十位，百位....)的元素数目for x in range(0,len(L)):#统计各个桶将要装进去的元素个数j = get_num_pos(int(L[x]),pos)count[j] = count[j]+1#count[i]表示第i个桶的右边界索引for x in range(1,10):count[x] = count[x] + count[x-1]#将数据依次装入桶中for x in range(len(L)-1,-1,-1):#求出元素第K位的数字j = get_num_pos(L[x],pos)#放入对应的桶中，count[j]-1是第j个桶的右边界索引bucket[count[j]-1] = L[x]#对应桶的装入数据索引-1count[j] = count[j]-1# 将已分配好的桶中数据再倒出来，此时已是对应当前位数有序的表for x in range(0,len(L)):L[x] = bucket[x]

后记

写完之后运行了一下时间比较：

  • 1w个数据时：
直接插入排序:11.615608
希尔排序:13.012008
简单选择排序:3.645136000000001
堆排序:0.09587900000000005
冒泡排序:6.687218999999999
#****************************************************
快速排序:9.999999974752427e-07 
#快速排序有误：实际上并未执行
#RecursionError: maximum recursion depth exceeded in comparison
#****************************************************
归并排序:0.05638299999999674
基数排序:0.08150400000000246
  • 10w个数据时：
直接插入排序:1233.581131
希尔排序:1409.8012320000003
简单选择排序:466.66974500000015
堆排序:1.2036720000000969
冒泡排序:751.274449
#****************************************************
快速排序:1.0000003385357559e-06
#快速排序有误：实际上并未执行
#RecursionError: maximum recursion depth exceeded in comparison
#****************************************************
归并排序:0.8262230000000272
基数排序:1.1162899999999354

从运行结果上来看，堆排序、归并排序、基数排序真的快。
对于快速排序迭代深度超过的问题，可以将考虑将快排通过非递归的方式进行实现。

参考资料

  • 数据结构可视化：visualgo
  • 希尔排序介绍：希尔排序
  • 堆排序：《算法导论》读书笔记之第6章 堆排序
  • 博客园：静默虚空
  • 博客：vincent-cws

本文来自互联网用户投稿，该文观点仅代表作者本人，不代表本站立场。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如若转载，请注明出处：http://www.mzph.cn/news/473396.shtml

如若内容造成侵权/违法违规/事实不符，请联系多彩编程网进行投诉反馈email:809451989@qq.com，一经查实，立即删除！

相关文章

牛客 牛牛选物（01背包）

牛客 牛牛选物（01背包）

文章目录1. 题目2. 解题1. 题目 链接&#xff1a;https://ac.nowcoder.com/acm/contest/9887/A 来源&#xff1a;牛客网 牛牛有现在有n个物品&#xff0c;每个物品有一个体积v[i]和重量g[i],他想选择其中总体积恰好为V的若干个物品&#xff0c;想使这若干个物品的总重量最大&…
阅读更多...
微信小程序最常用的布局——Flex布局

微信小程序最常用的布局——Flex布局

最近在学习微信小程序&#xff0c;在设计首页布局的时候&#xff0c;新认识了一种布局方式display:flex 1 .container { 2 display: flex; 3 flex-direction: column; 4 align-items: center; 5 background-color: #b3d4db; 6 } 编译之后的效果很明显&#xff0c;界面…
阅读更多...
LeetCode 649. Dota2 参议院（循环队列）

LeetCode 649. Dota2 参议院（循环队列）

文章目录1. 题目2. 解题1. 题目 Dota2 的世界里有两个阵营&#xff1a;Radiant(天辉)和 Dire(夜魇) Dota2 参议院由来自两派的参议员组成。现在参议院希望对一个 Dota2 游戏里的改变作出决定。他们以一个基于轮为过程的投票进行。在每一轮中&#xff0c;每一位参议员都可以行…
阅读更多...
'[linux下tomcat 配置

'[linux下tomcat 配置

tomcat目录结构bin ——Tomcat执行脚本目录 conf ——Tomcat配置文件 lib ——Tomcat运行需要的库文件&#xff08;JARS&#xff09; logs ——Tomcat执行时的LOG文件 temp ——Tomcat临时文件存放目录 webapps ——Tomcat的主要Web发布目录&#xff08;存放我们自己的JSP,SER…
阅读更多...
微信小程序基础（一）

微信小程序基础（一）

一.注册小程序账号&#xff0c;下载IDE 1.官网注册https://mp.weixin.qq.com/&#xff0c;并下载IDE。 2.官方文档一向都是最好的学习资料。 注意&#xff1a; &#xff08;1&#xff09;注册账号之后会有一个appid&#xff0c;新建项目的时候需要填上&#xff0c;不然很多…
阅读更多...
[Kaggle] Spam/Ham Email Classification 垃圾邮件分类（RNN/GRU/LSTM）

[Kaggle] Spam/Ham Email Classification 垃圾邮件分类（RNN/GRU/LSTM）

文章目录1. 读入数据2. 文本处理3. 建模4. 训练5. 测试练习地址&#xff1a;https://www.kaggle.com/c/ds100fa19 相关博文 [Kaggle] Spam/Ham Email Classification 垃圾邮件分类&#xff08;spacy&#xff09; [Kaggle] Spam/Ham Email Classification 垃圾邮件分类&#xff…
阅读更多...
微信小程序中实现瀑布流布局和无限加载

微信小程序中实现瀑布流布局和无限加载

瀑布流布局是一种比较流行的页面布局方式&#xff0c;最典型的就是Pinterest.com&#xff0c;每个卡片的高度不都一样&#xff0c;形成一种参差不齐的美感。 在HTML5中&#xff0c;我们可以找到很多基于jQuery之类实现的瀑布流布局插件&#xff0c;轻松做出这样的布局形式。在…
阅读更多...
LeetCode 1684. 统计一致字符串的数目（哈希）

LeetCode 1684. 统计一致字符串的数目（哈希）

文章目录1. 题目2. 解题1. 题目 给你一个由不同字符组成的字符串 allowed 和一个字符串数组 words 。 如果一个字符串的每一个字符都在 allowed 中&#xff0c;就称这个字符串是 一致 字符串。 请你返回 words 数组中 一致 字符串的数目。 示例 1&#xff1a; 输入&#xff…
阅读更多...
微信小程序：页面跳转时传递数据到另一个页面

微信小程序：页面跳转时传递数据到另一个页面

一、功能描述 页面跳转时&#xff0c;同时把当前页面的数据传递给跳转的目标页面&#xff0c;并在跳转后的目标页面进行展示 二、功能实现 1. 代码实现 test1页面 // pages/test1/test1.js Page({/*** 页面的初始数据*/data: {name:Tom,age:12},buttonListener:function(){…
阅读更多...
LeetCode 1685. 有序数组中差绝对值之和（前缀和）

LeetCode 1685. 有序数组中差绝对值之和（前缀和）

文章目录1. 题目2. 解题1. 题目 给你一个 非递减 有序整数数组 nums 。 请你建立并返回一个整数数组 result&#xff0c;它跟 nums 长度相同&#xff0c;且result[i] 等于 nums[i] 与数组中所有其他元素差的绝对值之和。 换句话说&#xff0c; result[i] 等于 sum(|nums[i]-…
阅读更多...
对一个 复杂的json结果进行取值的例子

对一个 复杂的json结果进行取值的例子

1 JSON结果集 1 [2 {3 "J_LP_OPERATE_MAIN": {4 "ID": "1900036295",5 "FILL_MAN": "周兴福",6 "FILL_DEPT": "运维一班",7 "STATE…
阅读更多...
微信小程序正则判断姓名和手机号

微信小程序正则判断姓名和手机号

一、页面效果 二、json文件 //获取应用实例 const app getApp() Page({/*** 页面的初始数据*/data: {array: [速美, 现代, 淮安],mode: scaleToFill,src: ../../images/1.png,userInfo: {},hasUserInfo: false,canIUse: wx.canIUse(button.open-type.getUserInfo),userName: …
阅读更多...
LeetCode 1686. 石子游戏 VI（贪心）

LeetCode 1686. 石子游戏 VI（贪心）

文章目录1. 题目2. 解题283 / 1660&#xff0c;前17%681 / 6572&#xff0c;前10.4%1. 题目 Alice 和 Bob 轮流玩一个游戏&#xff0c;Alice 先手。 一堆石子里总共有 n 个石子&#xff0c;轮到某个玩家时&#xff0c;他可以 移出 一个石子并得到这个石子的价值。 Alice 和 B…
阅读更多...
T4生成实体和简单的CRUD操作

T4生成实体和简单的CRUD操作

主要跟大家交流下T4,我这里针对的是mysql,我本人比较喜欢用mysql,所以语法针对mysql,所以你要准备mysql的DLL了,同理sqlserver差不多,有兴趣可以自己写写,首先网上找了一个T4的帮助类,得到一些数据库属性,命名为 DbHelper.ttinclude <# template debug"false" hos…
阅读更多...
LeetCode 1688. 比赛中的配对次数（模拟）

LeetCode 1688. 比赛中的配对次数（模拟）

文章目录1. 题目2. 解题1. 题目 给你一个整数 n &#xff0c;表示比赛中的队伍数。比赛遵循一种独特的赛制&#xff1a; 如果当前队伍数是 偶数 &#xff0c;那么每支队伍都会与另一支队伍配对。总共进行 n / 2 场比赛&#xff0c;且产生 n / 2 支队伍进入下一轮。如果当前队…
阅读更多...
微信小程序使用函数的方法

微信小程序使用函数的方法

一、使用来自不同页面的函数 函数写在util.js页面 function formatTime(date) {var year date.getFullYear()var month date.getMonth() 1var day date.getDate()var hour date.getHours()var minute date.getMinutes()var second date.getSeconds()return [year, mon…
阅读更多...
LeetCode 1689. 十-二进制数的最少数目（脑筋急转弯）

LeetCode 1689. 十-二进制数的最少数目（脑筋急转弯）

文章目录1. 题目2. 解题1. 题目 如果一个十进制数字不含任何前导零&#xff0c;且每一位上的数字不是 0 就是 1 &#xff0c;那么该数字就是一个 十-二进制数 。 例如&#xff0c;101 和 1100 都是 十-二进制数&#xff0c;而 112 和 3001 不是。 给你一个表示十进制整数的字…
阅读更多...
WeUI for 小程序使用教程文档总结

WeUI for 小程序使用教程文档总结

WeUI 是一套同微信原生视觉体验一致的基础样式库&#xff0c;由微信官方设计团队为微信 Web 开发量身设计&#xff0c;可以令用户的使用感知更加统一。包含按钮button、组件cell、弹框dialog、 进度条progress、 提示toast、文章article、弹出菜单actionsheet、图标icon等各式元…
阅读更多...
如何安装Pycharm官方统计代码行插件

如何安装Pycharm官方统计代码行插件

最近一直想统计Pycharm的总计代码行数&#xff0c;找到了官方的统计行数插件&#xff0c;发现效果还不错。 官方代码统计插件指导&#xff1a; https://plugins.jetbrains.com/plugin/4509-statistic&#xff08;英文版&#xff09; (初级教程&#xff0c;大牛请忽略) ***该…
阅读更多...
LeetCode 1690. 石子游戏 VII（博弈DP）

LeetCode 1690. 石子游戏 VII（博弈DP）

文章目录1. 题目2. 解题1. 题目 石子游戏中&#xff0c;爱丽丝和鲍勃轮流进行自己的回合&#xff0c;爱丽丝先开始 。 有 n 块石子排成一排。每个玩家的回合中&#xff0c;可以从行中 移除 最左边的石头或最右边的石头&#xff0c;并获得与该行中剩余石头值之 和 相等的得分。…
阅读更多...
推荐文章
最新文章

Copyright @ 2022~2023