【数据结构和算法】确定两个字符串是否接近

简介: 这是力扣的1657题,难度为中等,解题方案有很多种,本文讲解我认为最奇妙的一种。复杂度分析:时间复杂度:O(max⁡{n1,n2}+Clog⁡C),其中 n1 和 n2 分别是字符串 word1 和 word2 的长度,C=26 是字符集大小。空间复杂度:O(C)。

 其他系列文章导航

Java基础合集

数据结构与算法合集

设计模式合集

多线程合集

分布式合集

ES合集


文章目录

其他系列文章导航

文章目录

前言

一、题目描述

二、题解

2.1操作 1 的本质:字符可以任意排列

2.2操作 2 的本质:出现次数是可以交换的

2.3算法思路

三、代码

四、总结


前言

这是力扣的1657题,难度为中等,解题方案有很多种,本文讲解我认为最奇妙的一种。


一、题目描述

如果可以使用以下操作从一个字符串得到另一个字符串,则认为两个字符串 接近

    • 操作 1:交换任意两个 现有 字符。
      • 例如,abcde -> aecdb
        • 操作 2:将一个 现有 字符的每次出现转换为另一个 现有 字符,并对另一个字符执行相同的操作。
          • 例如,aacabb -> bbcbaa(所有 a 转化为 b ,而所有的 b 转换为 a

            你可以根据需要对任意一个字符串多次使用这两种操作。

            给你两个字符串,word1word2 。如果 word1  word2 接近 ,就返回 true ;否则,返回 false 

            示例 1:

            输入:word1 = "abc", word2 = "bca"

            输出:true

            解释:2 次操作从 word1 获得 word2 。

            执行操作 1:"abc" -> "acb"

            执行操作 1:"acb" -> "bca"


            示例 2:

            输入:word1 = "a", word2 = "aa"

            输出:false

            解释:不管执行多少次操作,都无法从 word1 得到 word2 ,反之亦然。

            示例 3:

            输入:word1 = "cabbba", word2 = "abbccc"

            输出:true

            解释:3 次操作从 word1 获得 word2 。

            执行操作 1:"cabbba" -> "caabbb"

            执行操作 2:"caabbb" -> "baaccc"

            执行操作 2:"baaccc" -> "abbccc"


            示例 4:

            输入:word1 = "cabbba", word2 = "aabbss"

            输出:false

            解释:不管执行多少次操作,都无法从 word1 得到 word2 ,反之亦然。


            提示:

              • 1 <= word1.length, word2.length <= 105
              • word1word2 仅包含小写英文字母

              二、题解

              本题的关键就是看清楚两个操作的本质!

              2.1操作 1 的本质:字符可以任意排列

              我们可以随意洗牌。

              例如示例1的word1 = "abc", word2 = "bca" (把一叠扑克洗成另一叠扑克)。

              如果字符一样,但对应的出现次数不一样呢?这就需要用到操作 2 了。

              2.2操作 2 的本质:出现次数是可以交换的

              以示例 3 为例。统计 s = cabbba 的字符出现次数:

                • a 出现 2 次。
                • b 出现 3 次。
                • c 出现 1 次。

                我们可以把 a 都变成 b,同时把 b 都变成 a。

                这相当于交换 a 和 b 的出现次数,得到:

                  • a 出现 3 次。
                  • b 出现 2 次。
                  • c 出现 1 次。

                  然后交换 a 和 c 的出现次数,得到:

                    • a 出现 1 次。
                    • b 出现 2 次。
                    • c 出现 3 次。

                    这便是字符串 t = abbccc 的字符出现次数。

                    所以「出现次数」是可以任意排列的。

                    2.3算法思路

                      1. 判断 word1 和 word2 的长度是否一样,如果不一样直接返回 false。
                      2. 判断 word1 和 word2 的字符集合是否一样,如果不一样直接返回 false。例如 word1 中有字符 abc,word2 中有字符 zxc,我们无论如何都不能把 word1 变成 word2 。
                      3. 判断 word1 的字符出现次数的集合,是否等于 word2 的字符出现次数的集合,等于返回 true,不等于返回 false。注意集合可以有相同元素,比如 aabbbccc 对应的集合就是 {2,3,3}。

                      三、代码

                      class Solution {
                           public boolean closeStrings(String word1, String word2) {
                              if (word1.length() != word2.length()) {//判断长度
                                  return false;
                              }
                              int[] count1 = new int[26], count2 = new int[26];
                              for (char c : word1.toCharArray()) {
                                  count1[c - 97]++;
                              }
                              for (char c : word2.toCharArray()) {
                                  count2[c - 97]++;
                              }
                              for (int i = 0; i < 26; i++) {//判断字符是否相等
                                  if (count1[i] > 0 && count2[i] == 0 || count2[i] > 0 && count1[i] == 0) {
                                      return false;
                                  }
                              }
                              Arrays.sort(count1);
                              Arrays.sort(count2);
                              return Arrays.equals(count1, count2);//判断集合元素是否相等
                          }
                      }

                      image.gif

                      下面是简化版代码,但是上面的代码性能更好,如果两个字符串不相等,则直接不走下面的逻辑。

                      class Solution {
                           public boolean closeStrings(String word1, String word2) {
                              int[] count1 = new int[26], count2 = new int[26];
                              for (char c : word1.toCharArray()) {
                                  count1[c - 97]++;
                              }
                              for (char c : word2.toCharArray()) {
                                  count2[c - 97]++;
                              }
                              for (int i = 0; i < 26; i++) {
                                  if (count1[i] > 0 && count2[i] == 0 || count2[i] > 0 && count1[i] == 0) {
                                      return false;
                                  }
                              }
                              Arrays.sort(count1);
                              Arrays.sort(count2);
                              return Arrays.equals(count1, count2);
                          }
                      }

                      image.gif


                      四、总结

                      复杂度分析:

                        • 时间复杂度:O(max⁡{n1,n2}+Clog⁡C),其中 n1 和 n2 分别是字符串 word1 和 word2 的长度,C=26 是字符集大小。
                        • 空间复杂度:O(C)。
                        目录
                        相关文章
                        |
                        2月前
                        |
                        算法 数据处理 C语言
                        C语言中的位运算技巧,涵盖基本概念、应用场景、实用技巧及示例代码,并讨论了位运算的性能优势及其与其他数据结构和算法的结合
                        本文深入解析了C语言中的位运算技巧,涵盖基本概念、应用场景、实用技巧及示例代码,并讨论了位运算的性能优势及其与其他数据结构和算法的结合,旨在帮助读者掌握这一高效的数据处理方法。
                        49 1
                        |
                        2月前
                        |
                        机器学习/深度学习 算法 数据挖掘
                        K-means聚类算法是机器学习中常用的一种聚类方法,通过将数据集划分为K个簇来简化数据结构
                        K-means聚类算法是机器学习中常用的一种聚类方法,通过将数据集划分为K个簇来简化数据结构。本文介绍了K-means算法的基本原理,包括初始化、数据点分配与簇中心更新等步骤,以及如何在Python中实现该算法,最后讨论了其优缺点及应用场景。
                        117 4
                        |
                        11天前
                        |
                        存储 运维 监控
                        探索局域网电脑监控软件:Python算法与数据结构的巧妙结合
                        在数字化时代,局域网电脑监控软件成为企业管理和IT运维的重要工具,确保数据安全和网络稳定。本文探讨其背后的关键技术——Python中的算法与数据结构,如字典用于高效存储设备信息,以及数据收集、异常检测和聚合算法提升监控效率。通过Python代码示例,展示了如何实现基本监控功能,帮助读者理解其工作原理并激发技术兴趣。
                        49 20
                        |
                        2月前
                        |
                        存储 算法 搜索推荐
                        Python 中数据结构和算法的关系
                        数据结构是算法的载体,算法是对数据结构的操作和运用。它们共同构成了计算机程序的核心,对于提高程序的质量和性能具有至关重要的作用
                        |
                        2月前
                        |
                        数据采集 存储 算法
                        Python 中的数据结构和算法优化策略
                        Python中的数据结构和算法如何进行优化?
                        |
                        2月前
                        |
                        算法
                        数据结构之路由表查找算法(深度优先搜索和宽度优先搜索)
                        在网络通信中,路由表用于指导数据包的传输路径。本文介绍了两种常用的路由表查找算法——深度优先算法(DFS)和宽度优先算法(BFS)。DFS使用栈实现,适合路径问题;BFS使用队列,保证找到最短路径。两者均能有效查找路由信息,但适用场景不同,需根据具体需求选择。文中还提供了这两种算法的核心代码及测试结果,验证了算法的有效性。
                        112 23
                        |
                        2月前
                        |
                        算法
                        数据结构之蜜蜂算法
                        蜜蜂算法是一种受蜜蜂觅食行为启发的优化算法,通过模拟蜜蜂的群体智能来解决优化问题。本文介绍了蜜蜂算法的基本原理、数据结构设计、核心代码实现及算法优缺点。算法通过迭代更新蜜蜂位置,逐步优化适应度,最终找到问题的最优解。代码实现了单链表结构,用于管理蜜蜂节点,并通过适应度计算、节点移动等操作实现算法的核心功能。蜜蜂算法具有全局寻优能力强、参数设置简单等优点,但也存在对初始化参数敏感、计算复杂度高等缺点。
                        62 20
                        |
                        2月前
                        |
                        并行计算 算法 测试技术
                        C语言因高效灵活被广泛应用于软件开发。本文探讨了优化C语言程序性能的策略,涵盖算法优化、代码结构优化、内存管理优化、编译器优化、数据结构优化、并行计算优化及性能测试与分析七个方面
                        C语言因高效灵活被广泛应用于软件开发。本文探讨了优化C语言程序性能的策略,涵盖算法优化、代码结构优化、内存管理优化、编译器优化、数据结构优化、并行计算优化及性能测试与分析七个方面,旨在通过综合策略提升程序性能,满足实际需求。
                        65 1
                        |
                        2月前
                        |
                        机器学习/深度学习 算法 C++
                        数据结构之鲸鱼算法
                        鲸鱼算法(Whale Optimization Algorithm,WOA)是由伊朗研究员Seyedali Mirjalili于2016年提出的一种基于群体智能的全局优化算法,灵感源自鲸鱼捕食时的群体协作行为。该算法通过模拟鲸鱼的围捕猎物和喷出气泡网的行为,结合全局搜索和局部搜索策略,有效解决了复杂问题的优化需求。其应用广泛,涵盖函数优化、机器学习、图像处理等领域。鲸鱼算法以其简单直观的特点,成为初学者友好型的优化工具,但同时也存在参数敏感、可能陷入局部最优等问题。提供的C++代码示例展示了算法的基本实现和运行过程。
                        59 0
                        |
                        2月前
                        |
                        缓存 算法 Java
                        本文聚焦于Java内存管理与调优,介绍Java内存模型、内存泄漏检测与预防、高效字符串拼接、数据结构优化及垃圾回收机制
                        在现代软件开发中,性能优化至关重要。本文聚焦于Java内存管理与调优,介绍Java内存模型、内存泄漏检测与预防、高效字符串拼接、数据结构优化及垃圾回收机制。通过调整垃圾回收器参数、优化堆大小与布局、使用对象池和缓存技术,开发者可显著提升应用性能和稳定性。
                        53 6