前言
如果你习惯了 C++ 或者 Java 语法，初次尝试用 Python 刷算法题，建议阅读本指南。这不是基础语法教程，而是针对算法竞赛的实战手册，汇集了常用库、语法糖及 C++/Java 选手容易踩的坑。
一、输入输出与环境配置 (I/O & Setup)
在 LeetCode 核心代码模式下无需关心 I/O，但在 ACM 模式（如各大厂笔试、牛客、Codeforces）中，Python 的 I/O 速度是瓶颈。
1. 极速输入输出
当数据量较大时，input() 和 print() 可能会导致 TLE (Time Limit Exceeded)。
import sys # 替代 input()
input = sys.stdin.readline
# 使用方式
n = int(input())
arr = list(map(int, input().split()))
# 替代 print()，注意 write 需要传入字符串且手动加换行
sys.stdout.write(str(ans) + '\n')
2. 解除递归深度限制
Python 默认递归深度通常是 1000，做 DFS 或深搜时容易报错 RecursionError。
import sys
sys.setrecursionlimit(10**6) # 设置为 100 万，足够应对大多数题目
二、核心数据结构与黑魔法 (Data Structures)
1. 数组 (List)
Python 的 List 是动态数组，对应 C++ vector / Java ArrayList。
初始化二维数组 (避坑)：
# ❌ 错误：所有行都指向同一个对象
grid = [[0] * m] * n
# ✅ 正确
grid = [[0] * m for _ in range(n)]
切片 (Slicing)：
arr = [0, 1, 2, 3, 4, 5]
print(arr[::-1]) # 翻转数组，O(N)
print(arr[1:4]) # [1, 2, 3]
# 技巧：复制数组要用 b = a[:]，不能直接 b = a（那是引用）
2. 双端队列 (Deque)
Python 的 list 模拟栈（Stack）很快 append/pop 是 O(1)，但模拟队列（Queue）在头部插入/删除是 O(N)。务必使用 collections.deque
from collections import deque
q = deque([1, 2, 3])
q.append(4) # 队尾进
q.popleft() # 队头出，O(1)
# 也可以作为单调队列使用
3. 哈希表 (Dict & Set)
Counter (计数器)：
from collections import Counter
s = "abacaba"
c = Counter(s) # Counter({'a': 4, 'b': 2, 'c': 1})
print(c.most_common(1)) # 返回出现次数最多的元素
Defaultdict (神器)：C++/Java 中访问不存在的 Key 会报错或返回 null，Python 的 defaultdict 可以自动初始化
from collections import defaultdict
# 计数器：默认值为 0
cnt = defaultdict(int)
cnt[x] += 1
# 邻接表：默认值为列表
graph = defaultdict(list)
graph[u].append(v)
4. 堆 (Heap)
Python 只有小顶堆。如果需要大顶堆，存入负数。
import heapq
nums = [3, 1, 4, 1, 5]
heapq.heapify(nums) # O(N) 建堆
min_val = heapq.heappop(nums) # 弹出最小值 1
heapq.heappush(nums, 2) # 压入 2
三、必备标准库 (The Standard Library)
有些题如果是 C++ 写需要手撸几十行，Python 调库即可。
1. 二分查找 (bisect)
不需要手写 left <= right 了。
import bisect
arr = [1, 3, 4, 4, 6]
# 查找第一个 >= x 的位置 (lower_bound)
idx1 = bisect.bisect_left(arr, 4) # 返回 2
# 查找第一个 > x 的位置 (upper_bound)
idx2 = bisect.bisect_right(arr, 4) # 返回 4
2. 排列组合 (itertools)
import itertools
nums = [1, 2, 3]
# 全排列
perm = list(itertools.permutations(nums))
# 组合 (C(n, k))
comb = list(itertools.combinations(nums, 2))
3. 记忆化搜索 (functools)
这是 DP（动态规划）选手的最爱。不用手动开 memo 数组，加个装饰器即可。
from functools import lru_cache
@lru_cache(None) # None 表示无大小限制
def dfs(i, j):
if i < 0 or j < 0:
return 0
# ... 你的逻辑
return res
4. 数学工具 (math)
import math
math.gcd(a, b) # 最大公约数
math.lcm(a, b) # 最小公倍数 (Python 3.9+)
math.comb(n, k) # 组合数 C(n, k)
x = float('inf') # 无穷大
四、Pythonic 技巧与语法糖
1. 自定义排序 (Lambda)
对复杂对象排序，不需要写 Comparator 类。
points = [[1, 2], [3, 1], [2, 4]]
# 先按 x 升序，若 x 相同按 y 降序
points.sort(key=lambda x: (x[0], -x[1]))
2. 同时遍历 (Zip & Enumerate)
# 想要 index 和 value
for i, val in enumerate(nums):
pass
# 同时遍历两个数组
for a, b in zip(nums1, nums2):
pass
3. 解包 (Unpacking)
# 交换变量
a, b = b, a
# 拆分数组
head, *mid, tail = [1, 2, 3, 4, 5] # head=1, mid=[2,3,4], tail=5
4. 任意与所有 (Any & All)
检查数组是否满足条件，比写循环优雅。
if any(x < 0 for x in nums):
print("存在负数")
if all(x > 0 for x in nums):
print("全是正数")
五、C++/Java 转 Python 的易错点
1. 整数没有溢出！
Python 的 int 是高精度整数。
- 优点：不用担心
long long越界，大数运算直接算。 - 缺点：无法利用 32 位整数溢出来做某些位运算 trick。
2. 变量全是引用 (Reference)
这是最大的坑。在函数传参时：
- 不可变对象（int, str, tuple）：表现像值传递。
- 可变对象（list, dict, set）：表现像引用传递。
def modify(arr):
arr.append(1) # 会改变外部变量
a = [0]
b = a # b 是 a 的引用
c = a[:] # c 是 a 的浅拷贝
3. 字符不可变
Python 的 str 是不可变的。
- 不要在循环里做
s += "c"，这是 $O(N^2)$ 的复杂度。 - 做法：先用 list 收集字符，最后
''.join(list)。
4. 没有 do-while 和 i++
- 用
while True: ... if break代替do-while。 - 用
i += 1，Python 不支持++运算符。
结语
Python 在算法题中的优势在于将你的思维快速转化为代码。虽然它的原生运行速度不如 C++，但在大多数算法题的时间限制（Time Limit）设置上，Python 会有更宽裕的时间（通常是 C++ 的 2-5 倍）。
最后一句口诀：
遇到数组用 List，频繁增删用 Deque，快速查找用 Set，计数统计用 Counter，排序规则用 Lambda，人生苦短用 Python。
