博客
关于我
leetcode做题记录0009
阅读量:352 次
发布时间:2019-03-04

本文共 1095 字,大约阅读时间需要 3 分钟。

判断一个整数是否为回文数

判断一个整数是否为回文数,主要的思路是将该整数分解为各个位上的数字,并从左到右和从右到左进行比较。

分解数字

首先,将整数分解为各个位上的数字。可以使用取模和整除的方法,依次得到个位、十位、百位等数字,存储在一个数组中。

使用两个游标

创建两个游标,一个从数组的开头开始遍历,另一个从数组的末尾开始遍历。比较这两个位置上的数字,如果有任何一对数字不相等,则返回false。如果所有数字都相等,则返回true。

处理边界情况

  • 负数直接返回false。
  • 单个数字(0到9)直接返回true。

代码实现

Solution{    public static boolean isPalindrome(int x)    {        if (x < 0)        {            return false;        }        if (x >= 0 && x < 10)        {            return true;        }        int[] num = new int[10];        for (int i = 0; i < 10; ++i)        {            num[i] = -1;        }        int idx = 0;        while (true)        {            num[idx++] = x % 10;            x /= 10;            if (x == 0)            {                break;            }        }        for (int i = 0, j = idx - 1; i <= j; ++i, --j)        {            if (num[i] != num[j])            {                return false;            }        }        return true;    }}

代码解释

  • 检查负数:如果输入为负数,直接返回false。
  • 单数字处理:如果输入在0到9之间,直接返回true。
  • 分解数字:使用while循环,依次取出数字的个位、十位等,并存储在数组num中。
  • 比较数字:使用两个游标,从数组的两端开始比较数字。如果有任何一位不匹配,返回false。
  • 返回结果:如果所有数字都匹配,返回true。
  • 转载地址:http://brhe.baihongyu.com/

    你可能感兴趣的文章
    pandas :检测一个DF和另一个DF之间缺失的列
    查看>>
    Pandas-从具有嵌套列表列表的现有列创建动态列时出错
    查看>>
    Pandas-通过对列和索引的值求和来合并两个数据框
    查看>>
    pandas.columns、get_dummies等用法
    查看>>
    pandas.DataFrame.copy(deep=True) 实际上并不创建深拷贝
    查看>>
    pandas.read_csv()的详解-ChatGPT4o作答
    查看>>
    PANDAS.READ_EXCEL()输出‘;溢出错误:日期值超出范围‘;而不存在日期列
    查看>>
    pandas100个骚操作:再见 for 循环!速度提升315倍!
    查看>>
    Pandas:如何根据其他列值的条件对列进行求和?
    查看>>
    Pandas:对给定列求和 DataFrame 行
    查看>>
    Pandas、groupby 和特定月份的求和
    查看>>
    Pandas、Matplotlib、Pyecharts数据分析实践
    查看>>
    Pandas中文官档 ~ 基础用法1
    查看>>
    Pandas中文官档~基础用法2
    查看>>
    SpringBoot+Vue+OpenOffice实现文档管理(文档上传、下载、在线预览)
    查看>>
    Pandas中文官档~基础用法5
    查看>>
    Pandas中文官档~基础用法6
    查看>>
    Pandas中的GROUP BY AND SUM不丢失列
    查看>>
    Pandas中的GROUP BY AND SUM不丢失列
    查看>>
    Pandas之iloc、loc
    查看>>