【数据结构和算法】找出叠涂元素

简介: 给你一个下标从0开始的整数数组arr和一个m x n的整数矩阵mat。arr和mat都包含范围[1,m * n]内的所有整数。从下标0开始遍历arr中的每个下标i,并将包含整数arr[i]的mat单元格涂色。请你找出arr中在mat的某一行或某一列上都被涂色且下标最小的元素,并返回其下标i。

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

三、代码

四、复杂度分析


前言

这是力扣的2661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

给你一个下标从 0 开始的整数数组 arr 和一个 m x n 的整数 矩阵matarrmat 都包含范围 [1,m * n] 内的 所有 整数。

从下标 0 开始遍历 arr 中的每个下标 i ,并将包含整数 arr[i]mat 单元格涂色。

请你找出 arr 中在 mat 的某一行或某一列上都被涂色且下标最小的元素,并返回其下标 i

示例 1:

image.gif编辑

输入:arr = [1,3,4,2], mat = [[1,4],[2,3]]

输出:2

解释:遍历如上图所示,arr[2] 在矩阵中的第一行或第二列上都被涂色。


示例 2:

image.gif编辑

输入:arr = [2,8,7,4,1,3,5,6,9], mat = [[3,2,5],[1,4,6],[8,7,9]]

输出:3

解释:遍历如上图所示,arr[3] 在矩阵中的第二列上都被涂色。


提示:

    • m == mat.length
    • n = mat[i].length
    • arr.length == m * n
    • 1 <= m, n <= 105
    • 1 <= m * n <= 105
    • 1 <= arr[i], mat[r][c] <= m * n
    • arr 中的所有整数 互不相同
    • mat 中的所有整数 互不相同

    二、题解

    这道题其实是常规哈希表的运用,本题也将用 HashMap 来借题。

    算法:

      • 因为 mat 的值各不相同,将用HashMap来存储,以mat[i][j]也就是值为键,[i,j]也就是坐标为值,方便后续快速查询某个值所在位置。
      • 然后创建数组 c1 和 c2 ,分别用来记录某行某列有多少单元格被涂色,如 c1[x] = a 代表第 x 行被涂色单元格数量为 a 个,c2[y] = b 代表第 y 列被涂色单元格数量为 b 个。
      • 接着遍历所有的 arr[i] ,查询到 arr[i] 的所在位置 info 后,更新 c1 和 c2,若某行或某列被完全涂色,返回当前下标。

      注意题目的意思是:返回刚好涂完一列或一行的时候的最小数字下标。


      三、代码

      Java版本:

      class Solution {
          public int firstCompleteIndex(int[] arr, int[][] mat) {
              int n = mat.length, m = mat[0].length;
              HashMap<Integer, int[]> map = new HashMap<>();
              for (int i = 0; i < n; i++) {
                  for (int j = 0; j < m; j++) {
                      map.put(mat[i][j], new int[]{i, j});//mat[i][j]性质等于arr[i]
                  }
              }
              int[] c1 = new int[n], c2 = new int[m];//c1记录某行单元格涂色情况,c1记录某列单元格涂色情况
              for (int i = 0; i < n * m; i++) {
                  int[] info = map.get(arr[i]);//info[0]是行坐标,[info[1]]是列坐标
                  if (++c1[info[0]] == m || ++c2[info[1]] == n) {
                      return i;//第一个叠涂完成的一定是最小的元素
                  }
              }
              return -1;
          }
      }

      image.gif

      C++版本:

      class Solution {
      public:
          int firstCompleteIndex(vector<int>& arr, vector<vector<int>>& mat) {
              int n = mat.size(), m = mat[0].size();
              unordered_map<int, pair<int, int>> map;
              for (int i = 0; i < n; i++) {
                  for (int j = 0; j < m; j++) {
                      map[mat[i][j]] = make_pair(i, j);
                  }
              }
              vector<int> c1(n), c2(m);
              for (int i = 0; i < n * m; i++) {
                  pair<int, int> info = map[arr[i]];
                  if (++c1[info.first] == m || ++c2[info.secon] == n) return i;
              }
              return -1; // never
          }
      };

      image.gif

      Python版本:

      class Solution:
          def firstCompleteIndex(self, arr: List[int], mat: List[List[int]]) -> int:
              n, m = len(mat), len(mat[0])
              mapping = {mat[i][j]: (i, j) for i in range(n) for j in range(m)}
              c1, c2 = [0] * n, [0] * m
              for i in range(n * m):
                  x, y = mapping[arr[i]]
                  c1[x], c2[y] = c1[x] + 1, c2[y] + 1
                  if c1[x] == m or c2[y] == n: return i
              return -1  # never

      image.gif


      四、复杂度分析

        • 时间复杂度:O(n×m)
        • 空间复杂度:O(n×m)
        目录
        相关文章
        |
        6天前
        【数据结构OJ题】移除链表元素
        力扣题目——移除链表元素
        11 2
        【数据结构OJ题】移除链表元素
        |
        8天前
        |
        算法
        【数据结构OJ题】移除元素
        力扣题目——移除元素
        14 1
        【数据结构OJ题】移除元素
        |
        9天前
        |
        机器学习/深度学习 存储 算法
        【数据结构】算法的复杂度
        算法的时间复杂度和空间复杂度
        16 1
        【数据结构】算法的复杂度
        |
        2天前
        |
        存储 算法 Python
        “解锁Python高级数据结构新姿势:图的表示与遍历,让你的算法思维跃升新高度
        【7月更文挑战第13天】Python中的图数据结构用于表示复杂关系,通过节点和边连接。常见的表示方法是邻接矩阵(适合稠密图)和邻接表(适合稀疏图)。图遍历包括DFS(深度优先搜索)和BFS(广度优先搜索):DFS深入探索分支,BFS逐层访问邻居。掌握这些技巧对优化算法和解决实际问题至关重要。**
        9 1
        |
        7天前
        |
        算法 安全 调度
        逆天改命!Python高级数据结构堆(Heap)与优先队列,让你的算法效率飙升至宇宙级!
        【7月更文挑战第8天】Python的heapq模块和queue.PriorityQueue实现了堆和优先队列,提供高效算法解决方案。堆用于Dijkstra算法求解最短路径,例如在图论问题中;PriorityQueue则在多线程下载管理中确保高优先级任务优先执行。这两个数据结构提升效率,简化代码,是编程中的强大工具。
        10 0
        |
        7天前
        |
        算法 搜索推荐 Java
        在Java中实现高效的算法与数据结构
        在Java中实现高效的算法与数据结构
        |
        17天前
        |
        存储 算法 调度
        算法与数据结构-栈篇
        算法与数据结构-栈篇
        14 0
        |
        18天前
        |
        人工智能 算法
        程序技术好文:算法与数据结构
        程序技术好文:算法与数据结构
        |
        20天前
        |
        算法 C语言
        【数据结构与算法 经典例题】使用栈实现队列(图文详解)
        【数据结构与算法 经典例题】使用栈实现队列(图文详解)
        |
        14天前
        |
        存储 缓存 算法
        堆和栈的区别及应用场景
        堆和栈的区别及应用场景