115. 不同的子序列
本题是在原来匹配子序列的基础上增加了统计所匹配的子序列个数，也就是dp数组的定义和更新公式和原来的有所区别。
1、dp数组的定义
dp[i][j]表示以i-1和j-1为末尾的字符串中，给定字符串s包含目标字符串t的个数。注意这里不是长度。
2、dp数组的更新
（1）当前字符相等，分两种情况：
1.1、不包含当前t[j-1]和s[i-1]字符时，所能够存在的数量dp[i-1][j-1]；
1.2、包含当前t[i-1]字符时，但是不包含s[i-1]字符的时候，所能达到的数量（也就是给定字符串还没有走到i-1位置，但是已经包含j-1位置的t的个数）。
dp[i][j] = dp[i-1][j-1] + dp[i-1][j]；
（2）当前字符不相等的时候，只能保留1.2描述的内容。
dp[i]][j] = dp[i-1][j]；
3、dp数组初始化
分开行和列来看，dp[i][0]表示目标串是空字符串，也就是给定字符串删除全部元素即可，所以全是1；dp[0][j]表示给定字符串是空字符的时候，这时候目标字符串找不到匹配的，所以全是0.
注意，这里需要考虑0，0的情况，也就是空字符串匹配空字符串，结果是1，所以dp[0][0] = 1。
4、确定遍历顺序
本题遍历顺序是按照子串匹配的顺序遍历。外层for循环走给定字符串s（较长的），内层for循环走目标字符串t（较短的）。
class Solution(object):
def numDistinct(self, s, t):
"""
:type s: str
:type t: str
:rtype: int
"""
dp = [[0] * (len(t) + 1) for _ in range(len(s) + 1)]
for j in range(len(t) + 1):
dp[0][j] = 0
for i in range(len(s) + 1):
dp[i][0] = 1
for i in range(1, len(s) + 1):
for j in range(1, len(t) + 1):
if s[i-1] == t[j-1]:
dp[i][j] = dp[i-1][j-1] + dp[i-1][j]
else:
dp[i][j] = dp[i-1][j]
# return int(dp[-1][-1] % (1e10+7))
return dp[-1][-1]583. 两个字符串的删除操作
解法一：所需的步数也就是两个字符串分别达到“最大公共子串”所需要的步数。
1、先求出“不连续”包含的最大子串的长度；
2、返回两个字符串的长度和-2*最大子串长度。
OMG活学活用！
class Solution(object):
def minDistance(self, word1, word2):
"""
:type word1: str
:type word2: str
:rtype: int
"""
len_1 = len(word1)
len_2 = len(word2)
dp = [[0] * (len_2+ 1) for _ in range(len_1 + 1)]
for i in range(1, len_1+1):
for j in range(1, len_2+1):
if word1[i-1] == word2[j-1]:
dp[i][j] = dp[i-1][j-1] + 1
else:
dp[i][j] = max(dp[i-1][j], dp[i][j-1])
return len_1 + len_2 - dp[-1][-1] * 2 # 最后返回的值就是两个字符串分别达到“最大公共子串”需要删除的字符个数解法二：直接用dp指示当前的位置处匹配所需要的最少的步数。
1、dp数组的定义
dp[i][j]表示i-1和j-1位值处的word1和word2，能够匹配到最长字符串所需要删除的字符个数；
2、dp更新
（1）当前字符相等，则保持不变：dp[i][j] = dp[i-1][j-1]；
（2）当前字符不相等，则由之前的dp进行推算。这里依然是取两个值，一个是hold word1当前字符，删除word2中的，一个是hold word2中的字符，删除word1的。取最小值然后+1即可。
dp[i][j] = min(dp[i-1][j], dp[i][j-1]) + 1；
3、初始化
初始化比较刁钻。
需要反向来思考：对于其中一个是空字符串，index = 0，那么此时若需要匹配，则需要另一个字符串在相应的位置删除全部的元素。所以需要两个for来初始化i，j = 0的行列。
for i in range(len_1+1):dp[i][0] = i
for j in range(len_2+1):dp[0][j] = j4、确定遍历顺序
本质还是字符串匹配的遍历，两层for从小到大遍历。
class Solution(object):
def minDistance(self, word1, word2):
"""
:type word1: str
:type word2: str
:rtype: int
"""
len_1 = len(word1)
len_2 = len(word2)
# 解法二
dp = [[0] * (len_2 + 1) for _ in range(len_1 + 1)]
for i in range(len_1+1):dp[i][0] = i
for j in range(len_2+1):dp[0][j] = j
for i in range(1, len_1+1):
for j in range(1, len_2+1):
if word1[i-1] == word2[j-1]:
dp[i][j] = dp[i-1][j-1]
else:
dp[i][j] = min(dp[i-1][j], dp[i][j-1]) + 1
return dp[-1][-1]本题的解法1更加推荐，因为和之前“不连续”最大公共子串可以直接复用，实现也比较简单，也不需要控制边界情况或者考虑初始化细节。
72. 编辑距离
本题是前几个编辑距离的扩充版，考虑了“非连续”“增删换”等不同的操作以及操作之间的合并。
1、确定dp数组含义
dp[i][j]表示在i-1、j-1位置处，word1和word2能够达到最小修改步骤的值；
2、确定dp数组的更新公式
（1）当前字符相等，那么无需步骤来修改，hold上一个匹配的dp值即可：dp[i][j] = dp[i-1][j-1]；
（2）当前字符不匹配，则需要逐一讨论“增、删、换”三种操作的表达式，最后取最小值+1即可：
2.1删
删除和之前的表达式完全一致，分别hold住两个word当前位置的index，另一个往前回退一个，也就是dp[i-1][j] + 1和dp[i][j] + 1。
2.2增
增加和删除其实是相同的操作，因为在此字符串位置增加，就相当于在另一个字符的位置删掉一个，所以可以和上面的表达式合并。比如“abc”和“ab”在c位置处，可以选择增加一个c在word2，也可以选择在word1删除一个c，两个操作实际上都是在hold住一个，另一个回退的基础上进行更新的。
2.3换
换操作相当于在现在位置上的字符更新为相同值。不妨反过来想：如果当前字符匹配，则hold住两个字符串上一个index所对应的dp的值，那么现在换了一个元素相当于在相等前，增加了一个步骤，所以dp[i][j] = 1+dp[i-1][j-1]。
3、确定初始化
本题和上一题的初始化相同，因为都涉及对于0行、0列元素的调用，具体的初始化是两个for分别遍历整个0行和0列，dp等于对应的index值。
4、确定遍历顺序
由于dp是分别由前一行、前一列推到而来，所以遍历顺序是从小到大，内外两个for循环。
class Solution(object):
def minDistance(self, word1, word2):
"""
:type word1: str
:type word2: str
:rtype: int
"""
len_1 = len(word1)
len_2 = len(word2)
dp = [[0] * (len_2 + 1) for _ in range(len_1 + 1)]
for i in range(len_1+1): dp[i][0] = i
for j in range(len_2+1): dp[0][j] = j
for i in range(1, len_1 + 1):
for j in range(1, len_2 + 1):
if word1[i-1] == word2[j-1]:
dp[i][j] = dp[i-1][j-1]
else:
dp[i][j] = min(dp[i-1][j], dp[i][j-1], dp[i-1][j-1]) + 1 # 合并后的表达式
return dp[-1][-1]Day51完结！！！
