每周完成一个 ARTS：
Algorithm: 每周至少做一个 LeetCode 的算法题
Review: 阅读并点评至少一篇英文技术文章
Tips: 学习至少一个技术技巧
Share: 分享一篇有观点和思考的技术文章
求众数 II 题目：229. Majority Element II
难度：Medium
题意：给定一个大小为 n 的数组，找出其中所有出现超过 ⌊ n/3 ⌋ 次的元素。说明: 要求算法的时间复杂度为 O(n)，空间复杂度为 O(1)。
示例一：
Input: [3,2,3]
Output: [3]
示例二：
Input: [1,1,1,3,3,2,2,2]
Output: [1,2]
提示：How many majority elements could it possibly have?
解法：这道题是上周求众数那一题的升级版，将出现次数由 n/2 变为了 n/3，并且限定了时空间复杂度，那么只能使用摩尔投票法了。题目里给了一个很重要的提示：最多可能有多少个「出现超过 ⌊ n/3 ⌋ 次」的元素？那么可以考虑到：如果有超过 2 个，也就是至少 3 个数字满足「出现的次数大于 n/3」，那么就意味着数组里总共有超过 3*(n/3) = n 个数字，这与已知的数组大小矛盾，所以，只可能有两个或者更少的「众数」。有了这层思考之后，我们就可以效仿上周的摩尔投票法，使用两个计数器 count1 与 count2 以及两个数字 candidate1 与 candidate2，其他思路与之前一致。另外，这题需要验证「众数」是否存在，那么就多了一个计数的过程。
代码：
class Solution(object):
def majorityElement(self, nums):
"""
:type nums: List[int]
:rtype: List[int]
"""
candidate1, candidate2, count1, count2 = None, None, 0, 0
for num in nums:
if num == candidate1:
count1 += 1
elif num == candidate2:
count2 += 1
elif count1 == 0:
candidate1, count1 = num,1
elif count2 == 0:
candidate2, count2 = num,1
else:
count1 -= 1
count2 -= 1
count1, count2 = 0,0
for num in nums:
if num == candidate1:
count1 += 1
if num == candidate2:
count2 += 1
candidates = []
if count1 > len(nums)//3:
candidates.append(candidate1)
if count2 > len(nums)//3:
candidates.append(candidate2)
return candidates
What is AWS? A Guide for Beginners.
这周阅读了一篇系统而简洁地介绍 AWS 的文章。AWS（Amazon Wes Services）是亚马逊的云服务，这篇文章对 AWS 的各项服务做了简洁明了的介绍，以及对「在何时应选何种服务」提供了很好的建议。包括：
分享一个百度网盘加速器
Anaconda 简洁教程
在数据科学中，我们经常需要切换不同的 Python 虚拟环境以及安装经常使用的程序包，以便更轻松地处理多个项目。这个时候，我们就需要一个可以对虚拟环境和程序包进行高效管理的工具了，Anaconda 即是其中的一个很好的选择。
Anaconda 其实是一个软件发行版（Distribution），它包含了包和环境管理器 conda、Python 以及非常多常用的工具包和依赖项（尤其是数据科学），所以使用 Anaconda 可以让你立即上手处理数据。如果你想要节省空间，也可以使用不包含那些工具包和依赖项的 miniconda。
包管理器是在计算机上安装库和依赖项的工具。如果你有使用 Python 的经验的话，那你对 pip 一定不陌生，它是 Python 默认的包管理器。而 conda 和 pip 非常相似，但是 conda 以数据科学的包为主，pip 更适合一般的用途。此外 conda 也支持为其他的语言提供包管理的功能，你可以通过它安装非 Python 的包。使用 conda 的同时你也可以使用 pip 来管理 Python 库。
除了可以管理包，conda 还提供环境管理的功能。另外两个很流行的环境管理工具是 virtualenv 和 pyenv。
环境能让你分隔用于不同项目的 Python 版本和包。比如你有两个项目需要使用不同版本的 numpy，因为你需要使用 numpy 最新版本的新功能，或者旧版本中的一些新版本已经不再支持的功能，最明智的做法是为这两个项目分别创建两个不同的 Python 环境，然后分别在这两个环境下工作。对于 Python 2 和 Python 3 也是如此。你可以很方便地将环境中的包列表导出为一个文件，并与你的代码保存在一起：pip freeze > requirements.txt。
Anaconda 是全平台通用软件。https://www.anaconda.com/distribution 上可以找到安装程序和说明。 安装了 Anaconda 之后，你的所有 Python 脚本以及程序会默认使用 Anaconda 附带的 Python，所以即是你的电脑上之前已经安装过 Python，也不会有任何影响。 选择 Python 3.7 版本（你也可以根据具体的需要选择 Python 2 的版本）。如果是 64 位操作系统，则选择 64 位安装程序，否则选择 32 位安装程序。完成安装后，会自动进入默认的 conda 环境，而且所有包均已安装完毕，如下面所示。可以在终端或命令提示符中键入 conda list，以查看你安装的内容。
你可以很方便的使用 conda 安装和管理包：
conda install <package_name>conda install <package_name>=<version_number>conda install <package_name1> <package_name2> <package_name3>conda remove <package_name>conda update <package_name>conda update --allconda listconda search <package_name>conda -h(--help) 来查看帮助使用 conda 的目的之一便是管理环境以实现 Python 项目的互相隔离。以下是使用 conda 管理环境的常用命令：
conda create -n <env_name> python=<version_of_python> <list_of_packages>。其中，<env_name> 是环境的名字，<version_of_python> 可以让你指定 Python 的版本，<list_of_packages> 是要在环境中安装的包的名称列表。(source) activate <env_name>。Windows 中不需要使用 source。进入环境后，你可以看到类似 (<env_name>) ~ $ 之类的提示，这证明你已经成功地进入并工作在指定的 Python 环境下。之后你可以像之前一样安装和管理各种包了，由于新建的环境只安装了几个默认和包，所以你可能需要安装其他你需要的包。conda deactivate。conda env list。这个命令可以列出系统中存在的环境，当前工作的环境前会出现一个星号 *。如图所示：
(base) （或 (root)）表示默认的 Python 环境。conda env remove -n <env_name>。conda env export > environment.yaml。这会导出一个环境文件 environment.yaml。要通过环境文件创建环境，使用 conda env create -f environment.yaml，这样会创建一个具有在 environment.yaml 中列出的库的新环境。要详细了解 conda，请查看这篇文章：Conda myths and misconceptions，此外，conda 的官方文档也是很好的材料。