💻 Python 矩阵操作与控制流（初学者角度）

1. 矩阵（嵌套列表）的读取与维度确定

在 Python 中，面试题中的 $M\times N$ 矩阵通常用嵌套列表（List of Lists）来表示。

写法分析：

• m = len(matrix)：这是正确的，得到了行数 $M$。
• matrix[:, 0]：这个写法是 NumPy 库或 Pandas 库中的切片操作，在纯 Python 的嵌套列表中是不生效的。在纯 Python 中，您必须用 len(matrix[0]) 来求列数 $N$。

2. 核心算法逻辑：绝对值列差的计算

您提到不知道如何表示**“减去那个 $\text{abs}$ 列叉”。这涉及到简单的数学运算和内置函数**。

🧠 栈求和

如果一道算法题确实需要使用栈（Stack）来求和，那么它通常不会是动态规划（DP）求最优值的路径问题。

需要用到栈求和的典型场景是涉及深度优先搜索 (DFS)、回溯 (Backtracking)、或者表达式求值、数据结构自身特性的题目。

我将以一个经典的栈应用场景——求路径和为例，来讲解正确的栈求和思路和 Python 实现。

🧭 正确的栈求和场景：深度优先搜索 (DFS)

1. 经典应用场景：二叉树中的路径总和

假设题目是：

给定一棵二叉树和一个目标和 $S$。判断是否存在一条从根节点到叶节点的路径，路径上所有节点值的总和等于 $S$。

在这个场景下，栈（在 Python 中通常用列表模拟）可以用于存储当前正在探索的路径上的节点值，并进行求和。

2. Python 实现与算法思想

在这个 DFS 场景中，栈的作用是记录状态，而回溯（即出栈）是关键的控制流。

3. 代码示例 (DFS 结合栈求和)

这个例子展示了如何在 DFS 过程中维护和利用栈来计算路径和：

# 假设 Node 有 .val, .left, .right 属性
class TreeNode:
    def __init__(self, val=0, left=None, right=None):
        self.val = val
        self.left = left
        self.right = right

def has_path_sum_dfs(root: TreeNode, target_sum: int) -> bool:
    if not root:
        return False

    # 使用列表模拟栈，存储当前路径上的节点值
    path_stack = []

    def dfs_helper(node):
        # 算法思想：入栈（Stack Push）
        path_stack.append(node.val)
        
        # 1. 检查是否为叶子节点
        if not node.left and not node.right:
            # 算法思想：栈求和
            # 这是一个关键的条件分支：只有在叶节点才对当前路径（栈）求和
            current_sum = sum(path_stack)
            if current_sum == target_sum:
                # 找到目标路径，返回 True
                return True
        
        # 2. 递归访问子节点（控制流：条件分支和递归调用）
        found = False
        if node.left:
            if dfs_helper(node.left):
                found = True
        if not found and node.right:
            if dfs_helper(node.right):
                found = True

        # 算法思想：回溯 / 出栈 (Stack Pop)
        # 离开当前节点前，将其从路径中移除，这是栈求和正确的关键
        path_stack.pop()
        
        return found

    return dfs_helper(root)

# 注意：在实际的树问题中，为了避免重复求和，更高效的做法是在栈中存储（节点, 累计和）
# 避免在每次到叶节点时都对整个栈求和 O(N^2)

总结：栈 vs. DP 的使用区别