init workspace; finish intro

Author: HaoshengZou

README.md

@@ -1,5 +1,11 @@
 # 说明
 
+zhs branch:
+这里将放zhs所有刷题的笔记，把之前的为知笔记按部分删除、放到这里。
+
+不加注释，全都显式可见。
+
+
 本项目为原项目 [algorithm-pattern](https://github.com/greyireland/algorithm-pattern) 的 Python3 语言实现版本，原项目使用 go 语言实现，目前已获 ![GitHub stars](https://img.shields.io/github/stars/greyireland/algorithm-pattern?style=social)。在原项目基础上，本项目添加了优先级队列，并查集，图相关算法等内容，基本覆盖了所有基础数据结构和算法，非常适合找工刷题的同学快速上手。以下为原项目 README，目录部分增加了本项目的新内容。
 
 # 算法模板

introduction/python.md

@@ -17,7 +17,7 @@ Python语言有很多特性可以大大简化代码，下面列举几个常用
 Array = [0] * N
 
 # 初始化一个形状为 MxN 的二维数组(矩阵)
-Matrix = [[0] * N for _ in range(M)] # 思考：可以写成 [[0] * N] * M 吗？
+Matrix = [[0] * N for _ in range(M)] # [[0] * N] * M的话，列上"牵一发而动全身"
 ```
 
 #### 交换元素值
@@ -60,10 +60,18 @@ Python 自带的 [bisect](https://docs.python.org/3/library/bisect.html) 库可
 
 Python 中的栈使用自带的 list 类来实现，可参考[官方文档](https://docs.python.org/3/tutorial/datastructures.html#using-lists-as-stacks)。
 
+`s.append() s.pop()`足矣。
+
 #### 队列
 
 使用 collections 库中的 deque 类实现，可参考[官方文档](https://docs.python.org/3/library/collections.html#collections.deque)。
 
+```python
+q = deque(['a', 'b'])
+q.append('c')
+q.popleft()  # 注意纯pop()还是默认从尾部
+```
+
 #### 堆
 
 Python 中没有真的 heap 类，实现堆是使用 list 类配合 heapq 库中的堆算法，且只支持最小堆，最大堆需要通过传入负的优先级来实现，可参考[官方文档](https://docs.python.org/3.8/library/heapq.html)。
@@ -76,6 +84,8 @@ Python 中没有真的 heap 类，实现堆是使用 list 类配合 heapq 库中
 
 Python 的 [collections 库](https://docs.python.org/3/library/collections.html)在刷题时会经常用到，它拓展了一些Python中基础的类，提供了更多功能，例如 defaultdict 可以预设字典中元素 value 的类型，自动提供初始化，Counter 可以直接统计元素出现个数等。
 
+Counter最基本的功能就是初始值为0的defaultdict。
+
 ## 总结
 
 以上列举了一些用 Python3 做算法题时可以用到的一些特性，标准算法和数据结构，总结得肯定不全，因为 Python3 真的有很多可以利用的"骚操作"，大家在学习本项目的时候也会见到，一下记不住也没关系，多实战就会了。

introduction/quickstart.md

@@ -3,7 +3,9 @@
 ## 数据结构与算法
 
 数据结构是一种数据的表现形式，如链表、二叉树、栈、队列等都是内存中一段数据表现的形式。
-算法是一种通用的解决问题的模板或者思路，大部分数据结构都有一套通用的算法模板，所以掌握这些通用的算法模板即可解决各种算法问题。
+
+(套模板)
+算法是一种通用的解决问题的**模板**或者思路，大部分数据结构都有一套通用的算法模板，所以掌握这些通用的算法模板即可解决各种算法问题。
 
 后面会分专题讲解各种数据结构、基本的算法模板、和一些高级算法模板，每一个专题都有一些经典练习题，完成所有练习的题后，你对数据结构和算法会有新的收获和体会。
 
@@ -18,61 +20,58 @@
 ```Python
 class Solution:
     def strStr(self, haystack: str, needle: str) -> int:
-        L, n = len(needle), len(haystack)
-
-        for start in range(n - L + 1):
-            if haystack[start:start + L] == needle:
+        len_h, len_n = len(haystack), len(needle)
+        for start in range(len_h - len_n + 1):
+            if haystack[start : start + len_n] == needle:
                 return start
         return -1
 ```
 
-需要注意点
+needle为空，则两个空串比较，也返回正确的0。
 
-- 循环时，i 不需要到 len-1
-- 如果找到目标字符串，len(needle) == j
+更高级的叫**KMP算法**，从O(m x n)提升到O(m + n)。暂时跳过。
 
 ### [示例 2：subsets](https://leetcode-cn.com/problems/subsets/)
 
 > 给定一组不含重复元素的整数数组 nums，返回该数组所有可能的子集（幂集）。
 
 - 思路：这是一个典型的应用回溯法的题目，简单来说就是穷尽所有可能性，算法模板如下
 
-```go
+```python
 result = []
-func backtrack(选择列表,路径):
+def backtrack(选择列表, 路径):
     if 满足结束条件:
-        result.add(路径)
+        result.append(路径)
         return
     for 选择 in 选择列表:
         做选择
-        backtrack(选择列表,路径)
+        backtrack(新选择列表, 新路径)
         撤销选择
+    return  # 部分循环中，循环结束依然无解
 ```
 
 - 通过不停的选择，撤销选择，来穷尽所有可能性，最后将满足条件的结果返回。答案代码：
 
 ```Python
 class Solution:
     def subsets(self, nums: List[int]) -> List[List[int]]:
-        
-        n = len(nums)
         result = []
-        
-        def backtrack(start, k, route=[]):
+        n = len(nums)
+
+        def backtrack(start, route, k):
             if len(route) == k:
                 result.append(route.copy())
                 return
 
             for i in range(start, n):
                 route.append(nums[i])
-                backtrack(i + 1, k)
+                backtrack(i + 1, route, k)
                 route.pop()
-
             return
-        
+
         for k in range(n + 1):
-            backtrack(0, k)
-        
+            backtrack(0, [], k)
+
         return result
 ```