개행문자 추가

개행문자 추가

Author: taurus09318976

contains-duplicate/taurus09318976.py

@@ -19,4 +19,4 @@ def containsDuplicate(self, nums: List[int]):
         #모든 요소를 검사한 후에도 중복이 발견되지 않았다면, False를 반환
         return False
 
-        #이 코드는 시간 복잡도 O(n)과 공간 복잡도 O(n)으로 문제를 효율적으로 해결함
+        #이 코드는 시간 복잡도 O(n)과 공간 복잡도 O(n)으로 문제를 효율적으로 해결함

house-robber/taurus09318976.py

@@ -36,4 +36,4 @@ def rob(self, nums: List[int]) -> int:
             #O(n), n은 집의 수
         #공간 복잡도
             #O(1) DP 배열을 사용하는 방법보다 변수 2개만 사용하는 방식이 
-            #공간 복잡도는 동일하면서 공간을 절약할 수 있어 더 효율적임          
+            #공간 복잡도는 동일하면서 공간을 절약할 수 있어 더 효율적임          

longest-consecutive-sequence/taurus09318976.py

@@ -45,4 +45,6 @@ def topKFrequent(self, nums: List[int], k: int):
             #대부분의 실제 사례에서는 성능 차이가 미미하고, Python의 내장 함수들이 최적화되어 있어 most_common 방식도 충분히 빠름.
             #극도로 큰 데이터셋이나 성능이 매우 중요한 경우에는 버킷 정렬 방식을 고려할 수 있음.
             #most_common은 코드가 간결하고 직관적이라는 장점이 있음.
-            #결론적으로, 작은 규모의 문제나 코드 가독성이 중요한 경우에는 most_common 방식이 좋은 선택이지만, 최고의 성능이 필요한 경우에는 버킷 정렬 방식이 더 효율적.
+            #결론적으로, 작은 규모의 문제나 코드 가독성이 중요한 경우에는 most_common 방식이 좋은 선택이지만, 최고의 성능이 필요한 경우에는 버킷 정렬 방식이 더 효율적.
+
+

top-k-frequent-elements/taurus09318976.py

@@ -45,4 +45,4 @@ def topKFrequent(self, nums: List[int], k: int):
             #대부분의 실제 사례에서는 성능 차이가 미미하고, Python의 내장 함수들이 최적화되어 있어 most_common 방식도 충분히 빠름.
             #극도로 큰 데이터셋이나 성능이 매우 중요한 경우에는 버킷 정렬 방식을 고려할 수 있음.
             #most_common은 코드가 간결하고 직관적이라는 장점이 있음.
-            #결론적으로, 작은 규모의 문제나 코드 가독성이 중요한 경우에는 most_common 방식이 좋은 선택이지만, 최고의 성능이 필요한 경우에는 버킷 정렬 방식이 더 효율적.
+            #결론적으로, 작은 규모의 문제나 코드 가독성이 중요한 경우에는 most_common 방식이 좋은 선택이지만, 최고의 성능이 필요한 경우에는 버킷 정렬 방식이 더 효율적.

two-sum/taurus09318976.py

@@ -36,4 +36,4 @@ def twoSum(self, nums: List[int], target: int):
         #따라서 전체 공간 복잡도는 O(n) + O(1) = O(n)입니다.
         #이 알고리즘은 시간 복잡도를 O(n)으로 개선하기 위해 O(n)의 추가 공간(딕셔너리)을 사용하는 시간-공간 트레이드오프의 예임.  
         #O(n²) 시간 복잡도의 브루트 포스 접근법과 비교하면, 시간을 절약하기 위해 약간의 추가 공간을 사용하는 것임.
- 
+