🔥Задача с LeetCode #344: Reverse String

Необходимо развернуть список символов in-place, т.е. без создания нового списка.

Input: ["n","e","e","t"]
Output: ["t","e","e","n"]

💡Идея решения:

• Создаём два указателя — left в начале, right в конце.

• Пока они не встретятся, меняем местами s[left] и s[right].

• После каждой замены сдвигаем указатели навстречу друг другу.

💡Альтернативное решение:

def reverseString(s):
    s.reverse()

🖥 Подробное видео решение можно посмотреть здесь👇
https://neetcode.io/solutions/reverse-string

@IT_Python_ZheglY | #leetcode #python

💡 Что такое оценка алгоритма и зачем она нужна?

Оценка алгоритма — это способ понять, насколько эффективно работает код: по времени выполнения и объёму используемой памяти.

⏱️ Временная сложность (Time Complexity) — показывает, как изменяется время выполнения алгоритма при росте объёма данных. Ниже — от лучших к худшим:

✅ O(1) — константное время. Алгоритм работает одинаково быстро при любом размере входа.
Пример: доступ к элементу массива по индексу

✅ O(log n) — логарифмическая сложность. Алгоритм быстро сужает область поиска.
Пример: бинарный поиск в отсортированном массиве

✅ O(n) — линейная сложность. Время растёт пропорционально числу элементов.
Пример: пройтись по массиву и найти максимум

✅ O(n log n) — эффективно масштабируется, часто встречается в быстрых сортировках.
Пример: Merge Sort, Heap Sort

⚠️ Сложности, которых стоит избегать:

🚫 O(n²) — квадратичная сложность, характерна для вложенных циклов.
Пример: пузырьковая сортировка, сравнение всех пар

🚫 O(n³) — кубическая сложность, обычно три вложенных цикла.
Пример: наивное перемножение матриц

🚫 O(2ⁿ) — экспоненциальная. Время выполнения удваивается с каждым шагом.
Пример: рекурсивный подсчёт чисел Фибоначчи

🚫 O(n!) — факториальная. Перебираются все возможные варианты.
Пример: задача коммивояжёра, генерация всех перестановок

Прочесть более подробно о Big O можно здесь: 👇
https://habr.com/ru/articles/782608/

@IT_Python_ZheglY | #python

🎙 Подкаст: " Путь в 1000 шагов" Содержательные имена

💡Что должно содержать в себе название переменной? Какая длинна имени оптимальна? Как придумать подходящее имя?
Все о содержательных именах в данном подкасте!

📌 Таймлайны:

▫️00:00-02:15 – Почему имена это фундамент чистого кода?

▫️02:20-06:00 – Чем руководство ваться в выборе имени? Примеры правильных и неудачных именований.

▫️06:10-11:30 – Дезинформации в именованиях. Разбор частых ошибок при выборе имен переменных.

▫️11:50-16:30 – Чем опасны схожие имена переменных и как это исправить? Использование каких слов стоит избегать в переменных?

▫️16:30-20:30 – В чем важность использования удобопроизносимых имен?

▫️20:30-30:00 – Что не стоит писать в именах переменных? Практические советы и общепринятые паттерны при выборе имен.

▫️30:3-36:08 – Корректные переводы и имена пространства задач. Какая оптимальная длинна имени переменной?

🎧 Ссылка на выпуск: 👇
https://music.yandex.ru/album/18513266/track/108941203?utm_source=web&utm_medium=copy_link

💡Реализация Merge Sort на языке Python 👇

def merge_sort(arr):
    if len(arr) <= 1:
        return arr

    mid = len(arr) // 2
    left = merge_sort(arr[:mid])
    right = merge_sort(arr[mid:])

    return merge(left, right)

def merge(left, right):
    result = []
    i = j = 0

    while i < len(left) and j < len(right):
        if left[i] <= right[j]:
            result.append(left[i])
            i += 1
        else:
            result.append(right[j])
            j += 1

    result.extend(left[i:])
    result.extend(right[j:])
    return result