大家好！
最近在加拿大参加LinkedIn的面试，被问到了LeetCode 207 课程表这道题。为了帮助大家更好地准备面试，我决定分享一下我的解题思路和Python代码。希望能帮到各位正在求职的小伙伴们！
题目：课程表
给定一个课程表，其中课程用从 0 到 numCourses - 1 的数字表示。有些课程可能有先修课程，例如，要学习课程 0，你可能需要先学习课程 1，那么课程 1 就称为课程 0 的先修课程。现在给你一个数组 prerequisites ，其中 prerequisites = 表示课程 bi 是课程 ai 的先修课程。请你判断是否可以完成所有课程的学习。
示例:
输入: numCourses = 2, prerequisites = ]
输出: true
解释: 可以完成课程学习。
输入: numCourses = 2, prerequisites = ,]
输出: false
解释: 存在循环依赖，无法完成课程学习。
算法思路：拓扑排序
这道题的核心在于使用拓扑排序算法。拓扑排序是将一个有向无环图（Directed Acyclic Graph，DAG）中的节点进行排序，使得对于图中的每条有向边 (u, v)，节点 u 总是出现在节点 v 之前。如果图中存在环路，则无法进行拓扑排序。
具体步骤如下：
- 构建邻接表: 将课程及其先修课程的关系用邻接表表示，方便后续处理。
- 计算入度: 统计每个课程的入度（有多少门课指向它）。
- 入度为0的课程入队列: 将所有入度为0的课程（没有先修课程）放入队列。
- BFS遍历: 使用BFS遍历队列，每次取出一个课程，将其入度减1，如果其后续课程的入度变为0，则将其加入队列。
- 判断环路: 如果最后遍历的课程数量等于总课程数量，则说明没有环路，可以完成所有课程的学习；否则存在环路，无法完成所有课程的学习。
Python代码:
from collections import defaultdict, deque
def canFinish(numCourses, prerequisites):
graph = defaultdict(list)
in_degree = * numCourses
for course, pre_req in prerequisites:
graph.append(course)
in_degree += 1
queue = deque( == 0])
count = 0
while queue:
course = queue.popleft()
count += 1
for neighbor in graph:
in_degree -= 1
if in_degree == 0:
queue.append(neighbor)
return count == numCourses
#Example
numCourses = 2
prerequisites = ]
print(canFinish(numCourses, prerequisites)) # Output: True
numCourses = 2
prerequisites = ,]
print(canFinish(numCourses, prerequisites)) # Output: False
希望这个详细的解答能够帮助大家理解LeetCode 207 课程表这道题！ 祝大家面试顺利！
如有任何问题，欢迎留言讨论！
拓扑排序嘛，用Python写起来还算方便，就是得小心处理环路的情况，不然容易出错。用邻接表建图效率挺高，感觉比邻接矩阵好使多了！
祝大家面试顺利！
在加拿大找工作，数据结构和算法是必备技能，LinkedIn面试尤其注重这方面。你的Python代码和算法解释清晰易懂，对于准备面试的小伙伴来说非常有帮助。
。今天就来分享一下我最近在LinkedIn上投递简历过程中遇到的一个经典算法题——LeetCode 207课程表，并结合加拿大的求职环境，谈谈我的感受和一些技巧。
。
希望我的分享能帮助到大家！
。夫算法之道，贵在明理，今观君以拓扑排序解之，实得其中三昧。
。其精要在五步：
。今观君代码，用defaultdict以建图，取deque以行遍历，诚得Python精髓。其时间复杂度为O(V+E)，空间复杂度亦如是，实为最优之解。
。
。谨祝前程似锦，早得心仪之职！
记得用defaultdict(list)存图，入度数组跟踪前置课程，Python写起来交关清爽！
多伦多地铁没信号时全靠离线刷题本，这解法面Amazon时真派用场叻
——追求题目数量而非深度理解。心理学中的“精细加工”(Elaboration)理论指出，将新知识与已有经验关联能提升记忆效果。比如理解拓扑排序时，可联想为规划大学选课顺序：必须先完成基础课才能进修高阶课程
。这种具象化思维能帮助面试时灵活应变，而不仅是复现刷题答案。
。建议用“费曼技巧”：尝试向他人讲解算法原理，能暴露出理解盲点。结合本地求职特点，多参与编程马拉松或开源项目，将抽象算法转化为可展示的实践经验
。今天就来分享一下我最近在LinkedIn上投递简历过程中遇到的一个经典算法题——LeetCode 207课程表，并结合加拿大的求职环境，谈谈我的感受和一些技巧。这道题的核心是检测图中是否存在环，因为课程之间的依赖关系可以抽象成一个有向图。如果存在环，就意味着课程安排存在冲突，无法完成所有课程。我采用的是拓扑排序的思路来解决这个问题。时间复杂度为O(V+E)，其中V是课程数量，E是依赖关系数量。在加拿大，很多科技公司，特别是像Shopify、Amazon、Google等，都会在面试中考察算法和数据结构，所以掌握这类算法至关重要
。然而，仅仅掌握算法是不够的。加拿大的面试，尤其是在LinkedIn上，更注重的是沟通能力和解决问题的能力。加油吧，各位在加拿大求职的朋友们！
