零基础刷力扣Hot100|Day02 字母异位词

news2026/3/14 15:33:34
零基础刷力扣Hot100|Day02 字母异位词题目描述示例解题思路解法一排序法代码详细讲解解法二计数法代码详细讲解题目描述给你一个字符串数组请你将 字母异位词 组合在一起。可以按任意顺序返回结果列表。示例示例 1:输入: strs [“eat”, “tea”, “tan”, “ate”, “nat”, “bat”]输出: [[“bat”],[“nat”,“tan”],[“ate”,“eat”,“tea”]]解释在 strs 中没有字符串可以通过重新排列来形成 “bat”。字符串 “nat” 和 “tan” 是字母异位词因为它们可以重新排列以形成彼此。字符串 “ate” “eat” 和 “tea” 是字母异位词因为它们可以重新排列以形成彼此。示例 2:输入: strs [“”]输出: [[“”]]示例 3:输入: strs [“a”]输出: [[“a”]]提示1 strs.length 1040 strs[i].length 100strs[i] 仅包含小写字母解题思路字母异位词指的是由相同字母组成但排列顺序不同的字符串。要将它们分组关键在于为每一组字母异位词找到一个共同的标识。也就是说这道题的核心在于要找到一种方式将互为“字母异位词”的字符串映射到同一个键上。依着这个思路我们能够想到两种方式(1)排序法将每个字符串按照字典序排序这样排序后相同的字符串就为字母异位词。(2)计数法统计每个字符串中每个字母出现的次数有着相同计数的字符串互为字母异位词。解法一排序法这里我们可以使用哈希表以排序后的字符串作为键以原字符串组成的列表作为值遍历所有字符串并填入哈希表。最后将哈希表中的所有值收集到一个向量中返回。classSolution{public:vectorvectorstringgroupAnagrams(vectorstringstrs){// 哈希表键为排序后的字符串值为同一组字母异位词unordered_mapstring,vectorstringmp;for(strings:strs){string keys;// 复制原字符串sort(key.begin(),key.end());// 排序后作为键mp[key].push_back(s);// 将原字符串加入对应组}// 将哈希表中的所有组收集到结果向量中vectorvectorstringresult;for(autop:mp){result.push_back(p.second);}returnresult;}};代码详细讲解unordered_mapstring,vectorstringmp;首先创建一个哈希表mp键类型是string排序后的字符串值类型是vectorstring存储原字符串的列表。for(strings:strs){string keys;sort(key.begin(),key.end());mp[key].push_back(s);}对于strs中的每个字符串s进行如下操作将字符串s赋值给key然后对key中的字符依照字典序进行排序。排序后互为字母异位词的字符串会变成相同的字符串例如 “eat”、“tea” 排序后都变成 “aet”。以排序后的key为键在哈希表mp中查找对应的值。如果该键不存在mp[key] 会自动创建一个空的 vector。然后将原字符串 s 添加到这个向量末尾。这样所有具有相同key的字符串就被归到了一个vector中。vectorvectorstringresult;for(autop:mp){result.push_back(p.second);}遍历哈希表 mpp是一个键值对其中 p.first 是键排序后的字符串p.second是对应的值该组的所有原字符串。将每个 p.second即每组字符串的向量添加到结果向量 result 中。最后返回result即可。解法二计数法字母异位词由相同的字母组成因此每个字符串的字母出现次数频数统计是完全相同的。我们可以用一个长度为 26 的数组来记录每个字母出现的次数用这个数组作为键将原字符串分组存入哈希表。classSolution{public:vectorvectorstringgroupAnagrams(vectorstringstrs){// 使用 map键为长度为 26 的计数数组vectorint值为该组字符串列表mapvectorint,vectorstringmp;for(strings:strs){// 统计当前字符串中每个字母的出现次数vectorintcount(26,0);for(charc:s){count[c-a];}// 以计数数组为键将原字符串加入对应组mp[count].push_back(s);}vectorvectorstringresult;for(autop:mp){result.push_back(p.second);}returnresult;}};代码详细讲解mapvectorint,vectorstringmp;使用map容器定义哈希表键类型是vectorint长度为 26 的整型数组值类型是vectorstring存放原字符串的列表。for(strings:strs){vectorintcount(26,0);for(charc:s){count[c-a];}mp[count].push_back(s);}创建一个长度为 26 的 vectorint初始化为全 0用于统计 26 个小写字母的出现次数。遍历字符串的每个字符 c计算其相对于 ‘a’ 的偏移量c - ‘a’得到对应的索引0~25然后将该位置的值加 1。例如字符串 “eat”e→4‘e’-‘a’4、a→0、t→19统计后 count 为 [1,0,0,…,1,0,0,1,…]只有索引 0、4、19 处为 1-以count 作为键在 map 中查找对应的值。如果该键不存在mp[count] 会自动创建一个空的 vectorstring。然后将当前原字符串 s添加到这个向量的末尾。这样所有具有相同 count 的字符串就会被归入同一组。后续收集结果返回result部分计数法与排序法相同故不再赘述。

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.coloradmin.cn/o/2411550.html

如若内容造成侵权/违法违规/事实不符,请联系多彩编程网进行投诉反馈,一经查实,立即删除!

相关文章

SpringBoot-17-MyBatis动态SQL标签之常用标签

文章目录 1 代码1.1 实体User.java1.2 接口UserMapper.java1.3 映射UserMapper.xml1.3.1 标签if1.3.2 标签if和where1.3.3 标签choose和when和otherwise1.4 UserController.java2 常用动态SQL标签2.1 标签set2.1.1 UserMapper.java2.1.2 UserMapper.xml2.1.3 UserController.ja…

wordpress后台更新后 前端没变化的解决方法

使用siteground主机的wordpress网站,会出现更新了网站内容和修改了php模板文件、js文件、css文件、图片文件后,网站没有变化的情况。 不熟悉siteground主机的新手,遇到这个问题,就很抓狂,明明是哪都没操作错误&#x…

网络编程(Modbus进阶)

思维导图 Modbus RTU(先学一点理论) 概念 Modbus RTU 是工业自动化领域 最广泛应用的串行通信协议,由 Modicon 公司(现施耐德电气)于 1979 年推出。它以 高效率、强健性、易实现的特点成为工业控制系统的通信标准。 包…

UE5 学习系列(二)用户操作界面及介绍

这篇博客是 UE5 学习系列博客的第二篇,在第一篇的基础上展开这篇内容。博客参考的 B 站视频资料和第一篇的链接如下: 【Note】:如果你已经完成安装等操作,可以只执行第一篇博客中 2. 新建一个空白游戏项目 章节操作,重…

IDEA运行Tomcat出现乱码问题解决汇总

最近正值期末周,有很多同学在写期末Java web作业时,运行tomcat出现乱码问题,经过多次解决与研究,我做了如下整理: 原因: IDEA本身编码与tomcat的编码与Windows编码不同导致,Windows 系统控制台…

利用最小二乘法找圆心和半径

#include <iostream> #include <vector> #include <cmath> #include <Eigen/Dense> // 需安装Eigen库用于矩阵运算 // 定义点结构 struct Point { double x, y; Point(double x_, double y_) : x(x_), y(y_) {} }; // 最小二乘法求圆心和半径 …

使用docker在3台服务器上搭建基于redis 6.x的一主两从三台均是哨兵模式

一、环境及版本说明 如果服务器已经安装了docker,则忽略此步骤,如果没有安装,则可以按照一下方式安装: 1. 在线安装(有互联网环境): 请看我这篇文章 传送阵>> 点我查看 2. 离线安装(内网环境):请看我这篇文章 传送阵>> 点我查看 说明&#xff1a;假设每台服务器已…

XML Group端口详解

在XML数据映射过程中&#xff0c;经常需要对数据进行分组聚合操作。例如&#xff0c;当处理包含多个物料明细的XML文件时&#xff0c;可能需要将相同物料号的明细归为一组&#xff0c;或对相同物料号的数量进行求和计算。传统实现方式通常需要编写脚本代码&#xff0c;增加了开…

LBE-LEX系列工业语音播放器|预警播报器|喇叭蜂鸣器的上位机配置操作说明

LBE-LEX系列工业语音播放器|预警播报器|喇叭蜂鸣器专为工业环境精心打造&#xff0c;完美适配AGV和无人叉车。同时&#xff0c;集成以太网与语音合成技术&#xff0c;为各类高级系统&#xff08;如MES、调度系统、库位管理、立库等&#xff09;提供高效便捷的语音交互体验。 L…

(LeetCode 每日一题) 3442. 奇偶频次间的最大差值 I (哈希、字符串)

题目&#xff1a;3442. 奇偶频次间的最大差值 I 思路 &#xff1a;哈希&#xff0c;时间复杂度0(n)。 用哈希表来记录每个字符串中字符的分布情况&#xff0c;哈希表这里用数组即可实现。 C版本&#xff1a; class Solution { public:int maxDifference(string s) {int a[26]…

【大模型RAG】拍照搜题技术架构速览:三层管道、两级检索、兜底大模型

摘要 拍照搜题系统采用“三层管道&#xff08;多模态 OCR → 语义检索 → 答案渲染&#xff09;、两级检索&#xff08;倒排 BM25 向量 HNSW&#xff09;并以大语言模型兜底”的整体框架&#xff1a; 多模态 OCR 层 将题目图片经过超分、去噪、倾斜校正后&#xff0c;分别用…

【Axure高保真原型】引导弹窗

今天和大家中分享引导弹窗的原型模板&#xff0c;载入页面后&#xff0c;会显示引导弹窗&#xff0c;适用于引导用户使用页面&#xff0c;点击完成后&#xff0c;会显示下一个引导弹窗&#xff0c;直至最后一个引导弹窗完成后进入首页。具体效果可以点击下方视频观看或打开下方…

接口测试中缓存处理策略

在接口测试中&#xff0c;缓存处理策略是一个关键环节&#xff0c;直接影响测试结果的准确性和可靠性。合理的缓存处理策略能够确保测试环境的一致性&#xff0c;避免因缓存数据导致的测试偏差。以下是接口测试中常见的缓存处理策略及其详细说明&#xff1a; 一、缓存处理的核…

龙虎榜——20250610

上证指数放量收阴线&#xff0c;个股多数下跌&#xff0c;盘中受消息影响大幅波动。 深证指数放量收阴线形成顶分型&#xff0c;指数短线有调整的需求&#xff0c;大概需要一两天。 2025年6月10日龙虎榜行业方向分析 1. 金融科技 代表标的&#xff1a;御银股份、雄帝科技 驱动…

观成科技:隐蔽隧道工具Ligolo-ng加密流量分析

1.工具介绍 Ligolo-ng是一款由go编写的高效隧道工具&#xff0c;该工具基于TUN接口实现其功能&#xff0c;利用反向TCP/TLS连接建立一条隐蔽的通信信道&#xff0c;支持使用Let’s Encrypt自动生成证书。Ligolo-ng的通信隐蔽性体现在其支持多种连接方式&#xff0c;适应复杂网…

铭豹扩展坞 USB转网口 突然无法识别解决方法

当 USB 转网口扩展坞在一台笔记本上无法识别,但在其他电脑上正常工作时,问题通常出在笔记本自身或其与扩展坞的兼容性上。以下是系统化的定位思路和排查步骤,帮助你快速找到故障原因: 背景: 一个M-pard(铭豹)扩展坞的网卡突然无法识别了,扩展出来的三个USB接口正常。…

未来机器人的大脑:如何用神经网络模拟器实现更智能的决策?

编辑&#xff1a;陈萍萍的公主一点人工一点智能 未来机器人的大脑&#xff1a;如何用神经网络模拟器实现更智能的决策&#xff1f;RWM通过双自回归机制有效解决了复合误差、部分可观测性和随机动力学等关键挑战&#xff0c;在不依赖领域特定归纳偏见的条件下实现了卓越的预测准…

Linux应用开发之网络套接字编程(实例篇)

服务端与客户端单连接 服务端代码 #include <sys/socket.h> #include <sys/types.h> #include <netinet/in.h> #include <stdio.h> #include <stdlib.h> #include <string.h> #include <arpa/inet.h> #include <pthread.h> …

华为云AI开发平台ModelArts

华为云ModelArts&#xff1a;重塑AI开发流程的“智能引擎”与“创新加速器”&#xff01; 在人工智能浪潮席卷全球的2025年&#xff0c;企业拥抱AI的意愿空前高涨&#xff0c;但技术门槛高、流程复杂、资源投入巨大的现实&#xff0c;却让许多创新构想止步于实验室。数据科学家…

深度学习在微纳光子学中的应用

深度学习在微纳光子学中的主要应用方向 深度学习与微纳光子学的结合主要集中在以下几个方向&#xff1a; 逆向设计 通过神经网络快速预测微纳结构的光学响应&#xff0c;替代传统耗时的数值模拟方法。例如设计超表面、光子晶体等结构。 特征提取与优化 从复杂的光学数据中自…