从 LeetCode #128 学算法与 Python：哈希表、O(n) 思维与函数/方法的本质区别
关键词 ：最长连续序列｜哈希表｜时间复杂度 O(n)｜
set｜函数调用 vs 方法调用｜Python 基础
一、引子：一道题，两个层次的收获
最近在刷 LeetCode 第 128 题 「最长连续序列」 时，我不仅学会了一种巧妙的 O(n) 解法，还意外暴露了自己对 Python 基础语法的一些模糊认知------比如：
- 为什么
set(nums)正确，而nums.set()会报错？ len()是函数还是方法？为什么不能写成arr.len()？- 两层循环怎么可能是 O(n)？
这些问题看似琐碎，实则关乎编程底层逻辑的理解。于是，我决定把这道题的解法和背后的 Python 原理一起梳理清楚。
二、题目回顾：最长连续序列（LeetCode #128）
题目 ：给定一个未排序的整数数组 nums，找出数字连续的最长序列的长度。
要求 ：时间复杂度为 O(n)
示例：
python
输入: [100, 4, 200, 1, 3, 2]
输出: 4 # 因为 [1,2,3,4] 是最长连续序列三、核心解法：哈希表 + 起点判断（O(n)）
✅ 为什么不能排序？
- 排序最低时间复杂度是 O(n log n)，不满足题目要求。
- 必须用 空间换时间 → 引入哈希表（Python 中用
set实现）。
✅ 我的四步解题法
步骤 1：用 set(nums) 去重并支持 O(1) 查找
python
num_set = set(nums)- 自动去除重复数字（重复值不影响连续长度）
- 后续可用
x in num_set在 O(1) 时间判断是否存在
💡 注意：这里必须写
set(nums)，不是nums.set()（后面详解原因）
步骤 2：只从"连续序列的起点"开始扩展
- 起点定义 ：
num是起点 ⇨num - 1不在集合中 - 这样可避免重复计算（如从 2 开始数 [2,3,4]，不如从 1 开始数 [1,2,3,4]）
步骤 3：用 while 向右扩展
python
while current_num + 1 in num_set:
current_num += 1
current_length += 1- 只要下一个数存在，就继续延伸
步骤 4：更新全局最大长度
python
max_length = max(max_length, current_length)✅ 完整代码
python
from typing import List
class Solution:
def longestConsecutive(self, nums: List[int]) -> int:
num_set = set(nums)
max_length = 0
for num in num_set:
if num - 1 not in num_set: # 判断是否为起点
current_num = num
current_length = 1
while current_num + 1 in num_set: # 向右扩展
current_num += 1
current_length += 1
max_length = max(max_length, current_length)
return max_length四、为什么时间复杂度是 O(n)？
虽然有 for + while 两层循环，但：
- 每个数字最多被访问两次 ：
- 外层循环判断是否为起点
- 内层循环作为连续序列的一部分被扩展
- 总操作次数 ≤ 2n → 时间复杂度 O(n)
🌟 这是"看似嵌套循环，实则线性时间"的经典案例！
五、关键 Python 基础：函数调用 vs 方法调用
在写这道题时，我一度困惑：为什么是 set(nums) 而不是 nums.set()？这引出了一个根本问题：
🔍 函数（Function） vs 方法（Method）
| 类型 | 调用形式 | 特点 | 示例 |
|---|---|---|---|
| 函数 | function_name(参数) |
独立工具，通用操作 | len(arr), sorted(s), set(nums) |
| 方法 | 对象.method() |
对象自带的功能 | arr.append(x), "abc".upper(), s.add(x) |
✅ 常见函数（你刷题必用）
python
len(obj) # 获取长度 → len([1,2]) → 2
sorted(iterable) # 返回新排序列表
set(iterable) # 转为集合（去重 + O(1) 查找）
list(iterable) # 转为列表
range(n) # 生成数字序列
enumerate(arr) # 枚举 (index, value)✅ 常见方法（按数据结构分类）
python
# list
arr.append(x), arr.pop(), arr.sort()
# str
s.upper(), s.split(), s.replace()
# set
s.add(x), s.remove(x), s.union(other)
# dict
d.get(key), d.keys(), d.items()❌ 常见错误（千万别写！）
python
[1,2].len() # ❌ 应写 len([1,2])
"bac".sorted() # ❌ 应写 sorted("bac")
[1,2,2].set() # ❌ 应写 set([1,2,2])💡 口诀 ：
通用操作用函数（len,set,sorted），对象专属用方法（.append,.upper）
六、为什么 set(nums) 是函数，不是方法？
-
set是 Python 的内置类型 -
set(nums)是调用其构造函数，将可迭代对象转为集合 -
而
list类型没有.set()方法 ，所以nums.set()会报错：pythonAttributeError: 'list' object has no attribute 'set'
类似地：
list("ab")✅，但"ab".list()❌str(123)✅，但123.str()❌
七、本题带给我的双重成长
| 算法层面 | Python 语言层面 |
|---|---|
| ✅ 学会"只从起点扩展"的 O(n) 思想 | ✅ 分清函数 vs 方法 |
| ✅ 理解哈希表在去重与快速查找中的作用 | ✅ 掌握 set(nums) 的正确用法 |
| ✅ 能分析"嵌套循环但线性时间"的复杂度 | ✅ 避免 AttributeError 类低级错误 |
八、总结：刷题不仅是练算法，更是练语言
这道「最长连续序列」让我明白：
优秀的解法 = 清晰的算法思维 + 扎实的语言基础
- 如果不懂
set的 O(1) 查找特性，就想不到 O(n) 解法； - 如果混淆函数与方法，就会写出语法错误，浪费调试时间。
因此，刷题时不要只盯着"通过"，更要问自己：
- 这个数据结构为什么适合这个问题？
- 这个函数/方法的底层原理是什么？
- 我能否把这种模式迁移到其他题目？