ปัญหา: กำหนด Stock Prices หา Max Profit จาก ≤ 2 Transactions (Buy-Sell Pairs) **Key Insight:** สำหรับ k=2 ใช้ 4 Variables ติดตาม State ได้ใน O(1) Space: `first_buy`: Max Profit หลัง Buy ครั้งที่ 1 (Negative = Cost) `first_sell`: Max Profit หลัง Sell ครั้งที่ 1 `second_buy`: Max Profit หลัง Buy ครั

ปัญหา: Array `nums[i]` = Cost ของการยืนที่ Index i เริ่ม Index 0 จบ Index n-1 แต่ละ Step ก้าวได้ 1..k Steps หา Min Total Cost อัลกอริทึม: DP + Monotonic Min-Heap (Sliding Window Minimum) DP[i] = Min Cost ถึง Index i = nums[i] + min(DP[i-k], ..., DP[i-1]) ใช้ Min-Heap เก็บ `(dp_value, index)` สำหรับ

ปัญหา: กำหนด Stock Prices `prices[i]` และ Max Transactions `k` หา Max Profit จาก ≤ k Buy-Sell Pairs (ต้อง Buy ก่อน Sell, Sell ก่อน Buy ถัดไป) อัลกอริทึม: DP Top-Down with Memoization State: `dp(i, k, holding)` = Max Profit จาก Day i ถึง สิ้นสุด กับ k Transactions เหลือ และ Holding Stock หรือไม่ `i

ให้สตริงนิพจน์คณิตศาสตร์ประกอบด้วย +, -, *, / (หารจำนวนเต็ม) คำนวณผลลัพธ์โดยไม่ใช้ eval หรือฟังก์ชันสำเร็จรูป ตัวอย่าง: 2+3*5/7 → 4 (เพราะ 2 + ((3*5)/7) = 2 + 2 = 4) อัลกอริธึม Recursive Descent Parser กลับสตริงเพื่อประมวลผลจากซ้ายไปขวา get_value(): อ่านตัวเลข (รองรับเครื่องหมายลบ) get_term(): จัดก

ปัญหา: กำหนด Bus Routes `[[src, dest, bus_id], ...]` เริ่มที่ Location 0 ไป Location สูงสุด (Max Location) Cost = จำนวน Bus ที่ขึ้น (ขึ้น Bus เดียวต่อเนื่อง = 1 Cost, เปลี่ยน Bus = +1 Cost) Model: **Shortest Path on State Graph** State = `(location, current_bus)` Edge = Ride Bus หรือ Switch Bus อั

ปัญหา: N×N Binary Matrix (0=Empty, 1=Blocked) เลือก N Empty Cells ทำให้ทุก Row และทุก Column มี Chosen Cell อย่างน้อย 1 ตัว หาจำนวนวิธี Mod 10⁹+7 Observation: เลือก N Cells, N Rows, N Cols → ต้องเลือก **พอดี 1 Cell ต่อ Row และ 1 Cell ต่อ Column** = **Permutation Matrix** บน Empty Cells อัลกอริทึม:

ปัญหา: กำหนด Array `nums` หา Longest Increasing Subsequence (LIS) ที่ **Wrap Around** ได้ (Circular) คือ Subsequence สิ้นสุดแล้วต่อหน้าสุดได้ เทคนิค: **Duplicate Array** → `nums + nums` แล้วหา LIS ใน Window ขนาด n เริ่มจากทุก Index อัลกอริทึม: LIS + Sliding Window + Binary Search สร้าง `a = nums

ปัญหา: กำหนด Polygon = List of Points `[(x1,y1), (x2,y2), ..., (xn,yn)]` และ Point `pt = (x,y)` หาว่า pt อยู่ใน Polygon หรือบนขอบ (Boundary) ใช้ Ray Casting Algorithm (Even-Odd Rule): ยิง Ray แนวนอนไปทางขวา นับจำนวนครั้งที่ตัด Edge ของ Polygon → คี่ = ใน, คู่ = นอก อัลกอริทึม Loop ทุก Edge `(x0,y

ปัญหา: กำหนด Array `nums` และ Target `k` นับจำนวน Subsets ที่ Sum = k (Mod 10⁹+7) Subset = เลือก Elements ใดๆ (Order ไม่สำคัญ, ไม่ซ้ำ Element เดียวกัน) อัลกอริทึม: 0/1 Knapsack DP (Counting Ways) DP[i][j] = จำนวนวิธีทำ Sum = j ด้วย Elements แรก i ตัว Optimization: 1D Array `dp[j]` Iterate j จาก k ล

ปัญหา: Country = Tree (N Nodes, N-1 Edges) Node = Town, Edge = Road Bidirectional Population[i] = ประชากร Town i Upgrade Towns → Cities ภายใต้เงื่อนไข: No two Cities adjacent (Independent Set) Every Town ต้องติด City (Vertex Cover) เงื่อนไข 1+2 → Cities = Max Independent Set ที่เป็น Vertex Cover ด

ปัญหา: กำหนด String s และ k หาว่าสามารถลบ ≤ k ตัวอักษร ได้ Palindrome หรือไม่ Observation: ตัวอักษรที่ต้องลบขั้นต่ำ = |s| - LPS(s) โดย LPS = Longest Palindromic Subsequence = LCS(s, reverse(s)) อัลกอริทึม: LCS (Longest Common Subsequence) คำนวณ LCS ระหว่าง s และ reverse(s) → ได้ LPS Length Min De

ปัญหา: กำหนด Binary Matrix และ k ต้องตัด Matrix เป็น k ชิ้น โดย: เลือกทิศทาง: Vertical หรือ Horizontal เลือก Index ตัด (Vertical: ตัดแนวตั้ง, Horizontal: ตัดแนวนอน) Vertical Cut: ทิ้งซ้าย, ตัดขวาต่อ | Horizontal Cut: ทิ้งบน, ตัดล่างต่อ แต่ละชิ้นต้องมี 1 อย่างน้อย 1 ตัว หาจำนวนวิธี Mod 10⁹+7 อัลกอ

ปัญหา: กำหนด 2D Matrix หาว่ามี Cycle ของค่าเดียวกันหรือไม่ โดยเคลื่อนที่ได้ 4 ทิศทาง (บน ล่าง ซ้าย ขวา) ไม่สามารถกลับไป Cell ที่เพิ่งมาจากได้ทันที (No Immediate Backtrack) อัลกอริทึม: DFS + Cycle Detection สร้าง Visited Matrix (R×C) เริ่มต้น False สำหรับแต่ละ Cell ที่ยังไม่ Visited: รัน DFS จ

ปัญหา: กำหนด Request Logs = `[[uid, time_sec], ...]` ต้องประมวลผล Request ตามเงื่อนไข Rate Limiting: u: Max Requests ต่อ User ในช่วง 60 วินาที (Sliding Window) g: Max Requests ทั้งระบบ (Global) ในช่วง 60 วินาที Request ที่มีเวลาเท่ากัน: เรียงตาม UID น้อยไปมาก (Priority ให้ UID ต่ำ) Request ที่เกิน

Pandas Series สร้างจาก NumPy Array ได้ และสามารถกำหนด Custom Index แทน Default Integer Index ตัวอย่างโค้ด import pandas as pd import numpy as np # NumPy Array ของ Strings my_data = np.array([ab, bc, cd, de, ef, fg, gh, hi]) # Custom Index (ไม่ต่อเนื่อง, ไม่เรียง) my_index = [3, 5, 7, 9, 11, 23,

Scatter Plot แสดงความสัมพันธ์ระหว่าง 2 ตัวแปรตัวเลข (Numerical Variables) แต่ละจุด = 1 Observation Seaborn มี jointplot() (Scatter + Marginal Distributions), scatterplot() (Basic), relplot() (FacetGrid) ตัวอย่างโค้ด (jointplot) import seaborn as sb from matplotlib import pyplot as plt df = sb.lo

สามารถสร้าง Series จากค่า Scalar (ค่าคงที่) ได้ ค่าดังกล่าวจะถูก Broadcast (กระจาย) ไปทุก Element ตาม Index ที่กำหนด ตัวอย่าง 1: Scalar Value พร้อม Custom Index import pandas as pd my_index = [ab, mn, gh, kl] my_series = pd.Series(7, index=my_index) print(Series from scalar value with custom ind

Pandas Series รองรับ 2 แบบ Index: Default Integer Index (0,1,2...) และ Custom Index (String, Datetime, etc.) ตัวอย่างโค้ด import pandas as pd my_data = [34, 56, 78, 90, 123, 45] my_index = [ab, mn, gh, kl, wq, az] my_series = pd.Series(my_data, index=my_index) print(The series contains following

สามารถเข้าถึงหลาย Element พร้อมกันได้โดยส่ง List ของ Labels เข้าไปใน Bracket `[[...]]` (Double Brackets) ตัวอย่างโค้ด import pandas as pd my_data = [34, 56, 78, 90, 123, 45] my_index = [ab, mn, gh, kl, wq, az] my_series = pd.Series(my_data, index=my_index) print(The series contains following ele

เมื่อใช้ Custom Index ใน Series การเข้าถึงด้วย Label ที่ไม่มีอยู่จะ Raise KeyError ตัวอย่างโค้ด import pandas as pd my_data = [34, 56, 78, 90, 123, 45] my_index = [ab, mn, gh, kl, wq, az] my_series = pd.Series(my_data, index=my_index) print(The series contains following elements) print(my_series