1418.点菜展示表 手把手教你对场景模拟题型的分析与解题方法,轻松解题!

简介: 1418.点菜展示表 手把手教你对场景模拟题型的分析与解题方法,轻松解题!

1418.点菜展示表


https://leetcode-cn.com/problems/display-table-of-food-orders-in-a-restaurant/solution/1418dian-cai-zhan-shi-biao-shou-ba-shou-4b72f/

难度:中等


题目

给你一个数组 orders,表示客户在餐厅中完成的订单,确切地说, orders[i]=[customerNamei,tableNumberi,foodItemi] ,

其中 customerNamei 是客户的姓名,tableNumberi 是客户所在餐桌的桌号,而 foodItemi 是客户点的餐品名称。

请你返回该餐厅的 点菜展示表 。在这张表中,表中第一行为标题,其第一列为餐桌桌号 “Table” ,

后面每一列都是按字母顺序排列的餐品名称。接下来每一行中的项则表示每张餐桌订购的相应餐品数量,

第一列应当填对应的桌号,后面依次填写下单的餐品数量。

注意:客户姓名不是点菜展示表的一部分。此外,表中的数据行应该按餐桌桌号升序排列。

提示:

  • 1 <= orders.length <= 5 * 10^4
  • orders[i].length == 3
  • 1 <= customerNamei.length, foodItemi.length <= 20
  • customerNamei 和 foodItemi 由大小写英文字母及空格字符 ' ' 组成。
  • tableNumberi 是 1 到 500 范围内的整数。


示例

示例 1:
输入:orders = [["David","3","Ceviche"],["Corina","10","Beef Burrito"],["David","3","Fried Chicken"],["Carla","5","Water"],["Carla","5","Ceviche"],["Rous","3","Ceviche"]]
输出:[["Table","Beef Burrito","Ceviche","Fried Chicken","Water"],["3","0","2","1","0"],["5","0","1","0","1"],["10","1","0","0","0"]] 
解释:
点菜展示表如下所示:
Table,Beef Burrito,Ceviche,Fried Chicken,Water
3    ,0           ,2      ,1            ,0
5    ,0           ,1      ,0            ,1
10   ,1           ,0      ,0            ,0
对于餐桌 3:David 点了 "Ceviche" 和 "Fried Chicken",而 Rous 点了 "Ceviche"
而餐桌 5:Carla 点了 "Water" 和 "Ceviche"
餐桌 10:Corina 点了 "Beef Burrito" 
示例 2:
输入:orders = [["James","12","Fried Chicken"],["Ratesh","12","Fried Chicken"],["Amadeus","12","Fried Chicken"],["Adam","1","Canadian Waffles"],["Brianna","1","Canadian Waffles"]]
输出:[["Table","Canadian Waffles","Fried Chicken"],["1","2","0"],["12","0","3"]] 
解释:
对于餐桌 1:Adam 和 Brianna 都点了 "Canadian Waffles"
而餐桌 12:James, Ratesh 和 Amadeus 都点了 "Fried Chicken"
示例 3:
输入:orders = [["Laura","2","Bean Burrito"],["Jhon","2","Beef Burrito"],["Melissa","2","Soda"]]
输出:[["Table","Bean Burrito","Beef Burrito","Soda"],["2","1","1","1"]]


分析

首先不得不说下,这道题感觉就是sql题目硬改写成了算法题。

大家经常在面试的时候会遇到这种场景模拟的算法题目,这种题目突出的一大特点就是题目特别长特别长。

那么,遇到这种题目应该怎么思考呢?今天就来讲解下我日常的套路。

  1. 首先,读题,仔细读题,一字不落的把题目中的所有细节和字眼都扣一遍,也许你会觉得很费时间。
    但当你做题做到一半,发现由于疏忽,导致某一个条件未考虑导致整体算法出问题的时候,哭都来不及了。
  2. 在读题的过程中,将你认为有用的和不需关注的点,都记录下来,比如这道题,在读过三遍题目后,
    我获得了一下内容:
  • 顾客姓名,这是个完全没用的数据!
  • 我们需要构造表头以 “Table” + 字母排序的菜名 的形式给出
  • 每桌的点菜信息,需要以桌号升序排列
  • 每桌针对点的菜品,录入其数量,没有点的菜品,需要填充0做记录
  • 不论桌号、还是点菜的数量,最终需要以字符串的形式返回
  • 点菜的列表orders.length是一段很长的数据 5 * 10^4,需要考虑hash
  • 菜品名称只有1--500的数据量,数量级相对很小
  1. 需要使用哪种数据类型?
  • 由于food出现了很多次,考虑单一性使用集合set的方式存储较为合理
  • 对于最终的返回内容,需要以列表list存储
  • 由于桌号数据存在重复需要使用字典记录,且由于每桌的食物也存在重复录入,故需要嵌套字典
  • 每桌的菜品有与其对应的数量,所以在Python中可以考虑defaultdict(int)的方式追加

进行如上分析后,我们就可以尝试编码了!具体编码信息,在代码注释中进行了详细说明


解题

from collections import defaultdict
class Solution:
    def displayTable(self, orders):
        ret = []
        # 定义foods集合
        foods = set()
        # 定义嵌套哈希表
        table_info = defaultdict(lambda: defaultdict(int))
        for _, table, food in orders:
            # table_info中 桌号 对应的 食物名称 数量 + 1
            table_info[table][food] += 1
            # 添加食物如foods集合
            foods.add(food)
        # 对食物排序
        foods = sorted(foods)
        # 组装表头
        ret.append(["Table"] + foods)
        # 根据int(table)进行排序后,循环table_info
        for table_num in sorted(table_info, key=lambda x: int(x)):
            tmp = [table_num]
            # 循环食物,查找该桌是否点了此食物
            for food in foods:
                tmp.append(str(table_info.get(table_num).get(food, 0)))
            # 添加该桌数据入返回值
            ret.append(tmp)
        return ret




相关文章
|
JavaScript 前端开发 UED
js的节流
js的节流
162 0
|
Python
Python-字符串与注释
Python-字符串与注释
74 1
|
8天前
|
弹性计算 关系型数据库 微服务
基于 Docker 与 Kubernetes(K3s)的微服务:阿里云生产环境扩容实践
在微服务架构中,如何实现“稳定扩容”与“成本可控”是企业面临的核心挑战。本文结合 Python FastAPI 微服务实战,详解如何基于阿里云基础设施,利用 Docker 封装服务、K3s 实现容器编排,构建生产级微服务架构。内容涵盖容器构建、集群部署、自动扩缩容、可观测性等关键环节,适配阿里云资源特性与服务生态,助力企业打造低成本、高可靠、易扩展的微服务解决方案。
1196 4
|
7天前
|
机器学习/深度学习 人工智能 前端开发
通义DeepResearch全面开源!同步分享可落地的高阶Agent构建方法论
通义研究团队开源发布通义 DeepResearch —— 首个在性能上可与 OpenAI DeepResearch 相媲美、并在多项权威基准测试中取得领先表现的全开源 Web Agent。
1111 87
|
6天前
|
机器学习/深度学习 物联网
Wan2.2再次开源数字人:Animate-14B!一键实现电影角色替换和动作驱动
今天,通义万相的视频生成模型又又又开源了!Wan2.2系列模型家族新增数字人成员Wan2.2-Animate-14B。
566 11
|
18天前
|
人工智能 运维 安全
|
8天前
|
云栖大会
阿里云云栖大会2025年9月24日开启,免费申请大会门票,速度领取~
2025云栖大会将于9月24-26日举行,官网免费预约畅享票,审核后短信通知,持证件入场
1675 12

热门文章

最新文章