【算法】1828. 统计一个圆中点的数目(java / c / c++ / python / go / rust)

简介: 给你一个数组 points ,其中 points[i] = [xi, yi] ,表示第 i 个点在二维平面上的坐标。多个点可能会有 相同 的坐标。同时给你一个数组 queries ,其中 queries[j] = [xj, yj, rj] ,表示一个圆心在 (xj, yj) 且半径为 rj 的圆。对于每一个查询 queries[j] ,计算在第 j 个圆 内 点的数目。如果一个点在圆的 边界上 ,我们同样认为它在圆 内 。请你返回一个数组 answer ,其中 answer[j]是第 j 个查询的答案。

1828. 统计一个圆中点的数目:

给你一个数组 points ,其中 points[i] = [xi, yi] ,表示第 i 个点在二维平面上的坐标。多个点可能会有 相同 的坐标。

同时给你一个数组 queries ,其中 queries[j] = [xj, yj, rj] ,表示一个圆心在 (xj, yj) 且半径为 rj 的圆。

对于每一个查询 queries[j] ,计算在第 j 个圆 内 点的数目。如果一个点在圆的 边界上 ,我们同样认为它在圆 内 。

请你返回一个数组 answer ,其中 answer[j]是第 j 个查询的答案。

样例 1

在这里插入图片描述

输入:
  points = [[1,3],[3,3],[5,3],[2,2]], queries = [[2,3,1],[4,3,1],[1,1,2]]

输出:
  [3,2,2]

解释:
  所有的点和圆如上图所示。
  queries[0] 是绿色的圆,queries[1] 是红色的圆,queries[2] 是蓝色的圆。

样例 2

在这里插入图片描述

输入:
  points = [[1,1],[2,2],[3,3],[4,4],[5,5]], queries = [[1,2,2],[2,2,2],[4,3,2],[4,3,3]]

输出:
  [2,3,2,4]

解释:
  所有的点和圆如上图所示。
  queries[0] 是绿色的圆,queries[1] 是红色的圆,queries[2] 是蓝色的圆,queries[3] 是紫色的圆。

提示

  • 1 <= points.length <= 500
  • points[i].length == 2
  • 0 <= x​​​​​​i, y​​​​​​i <= 500
  • 1 <= queries.length <= 500
  • queries[j].length == 3
  • 0 <= xj, yj <= 500
  • 1 <= rj <= 500
  • 所有的坐标都是整数。

分析

  • 二当家的刚看到题目先是有点懈怠心里,因为几何知识都忘记了,感觉会很复杂。
  • 但是读了题,仔细思考后发现点是否会落在圆内,就是要看点到圆心的距离是否小于等于圆的半径。
  • 假设圆心p1的坐标是(x1,y1),点p2的坐标是(x2,y2),那么点到圆心的距离就是图片.png

  • 由于我们只需要比较距离和半径哪个大,并不需要真的算出距离,所以可以距离不开方,而把半径做平方,因为平方运算要比开方快。

题解

java

class Solution {
    public int[] countPoints(int[][] points, int[][] queries) {
        final int n   = queries.length;
        int[]     ans = new int[n];

        for (int i = 0; i < n; ++i) {
            int x = queries[i][0];
            int y = queries[i][1];
            int r = queries[i][2];
            int r2 = r * r;
            int maxX = x + r;
            int minX = x - r;
            int maxY = y + r;
            int minY = y - r;

            for (int[] p : points) {
                int px = p[0];
                int py = p[1];
                // 加速的判断,是否有意义不好说,对于不符合的点会更快,对于符合的点会更慢,也许就互相抵消了
                if (px < minX || px > maxX
                    || py < minY || py > maxY) {
                    continue;
                }
                // 到圆心距离小于等于半径的点就是满足题目要求的点
                double dis = Math.pow(px - x, 2) + Math.pow(py - y, 2);
                if (dis <= r2) {
                    ans[i]++;
                }
            }
        }

        return ans;
    }
}

c

/**
 * Note: The returned array must be malloced, assume caller calls free().
 */
int* countPoints(int** points, int pointsSize, int* pointsColSize, int** queries, int queriesSize, int* queriesColSize, int* returnSize){
    *returnSize = queriesSize;
    int *ans = malloc(sizeof(int) * queriesSize);

    for (int i = 0; i < queriesSize; ++i) {
        int x = queries[i][0];
        int y = queries[i][1];
        int r = queries[i][2];
        int r2 = r * r;
        int maxX = x + r;
        int minX = x - r;
        int maxY = y + r;
        int minY = y - r;

        int count = 0;

        for (int j = 0; j < pointsSize; ++j) {
            int px = points[j][0];
            int py = points[j][1];
            // 加速的判断,是否有意义不好说,对于不符合的点会更快,对于符合的点会更慢,也许就互相抵消了
            if (px < minX || px > maxX
                || py < minY || py > maxY) {
                continue;
            }
            // 到圆心距离小于等于半径的点就是满足题目要求的点
            double dis = (px - x) * (px - x) + (py - y) * (py - y);
            if (dis <= r2) {
                ++count;
            }
        }

        ans[i] = count;
    }

    return ans;
}

c++

class Solution {
public:
    vector<int> countPoints(vector<vector<int>>& points, vector<vector<int>>& queries) {
        vector<int> ans;

        for (auto &query : queries) {
            int x = query[0];
            int y = query[1];
            int r = query[2];
            int r2 = r * r;
            int maxX = x + r;
            int minX = x - r;
            int maxY = y + r;
            int minY = y - r;

            int count = 0;

            for (auto &point : points) {
                int px = point[0];
                int py = point[1];
                // 加速的判断,是否有意义不好说,对于不符合的点会更快,对于符合的点会更慢,也许就互相抵消了
                if (px < minX || px > maxX
                    || py < minY || py > maxY) {
                    continue;
                }
                // 到圆心距离小于等于半径的点就是满足题目要求的点
                double dis = (px - x) * (px - x) + (py - y) * (py - y);
                if (dis <= r2) {
                    ++count;
                }
            }

            ans.push_back(count);
        }

        return ans;
    }
};

python

class Solution:
    def countPoints(self, points: List[List[int]], queries: List[List[int]]) -> List[int]:
        ans = []

        for x, y, r in queries:
            r2 = r * r
            maxX = x + r
            minX = x - r
            maxY = y + r
            minY = y - r

            count = 0
            for px, py in points:
                # 加速的判断,是否有意义不好说,对于不符合的点会更快,对于符合的点会更慢,也许就互相抵消了
                if (px < minX or px > maxX
                        or py < minY or py > maxY):
                    continue
                # 到圆心距离小于等于半径的点就是满足题目要求的点
                dis = (px - x) ** 2 + (py - y) ** 2
                if dis <= r2:
                    count += 1

            ans.append(count)

        return ans

go

func countPoints(points [][]int, queries [][]int) []int {
    ans := make([]int, len(queries))

    for i, query := range queries {
        x := query[0]
        y := query[1]
        r := query[2]
        r2 := r * r
        maxX := x + r
        minX := x - r
        maxY := y + r
        minY := y - r

        for _, point := range points {
            px := point[0]
            py := point[1]
            // 加速的判断,是否有意义不好说,对于不符合的点会更快,对于符合的点会更慢,也许就互相抵消了
            if px < minX || px > maxX || py < minY || py > maxY {
                continue
            }
            // 到圆心距离小于等于半径的点就是满足题目要求的点
            dis := (px - x) * (px - x) + (py - y) * (py - y)
            if dis <= r2 {
                ans[i]++
            }
        }
    }

    return ans
}

rust

impl Solution {
    pub fn count_points(points: Vec<Vec<i32>>, queries: Vec<Vec<i32>>) -> Vec<i32> {
        queries.iter().map(|query| {
            let (x, y, r) = (query[0], query[1], query[2]);
            let r2 = r * r;
            let max_x = x + r;
            let min_x = x - r;
            let max_y = y + r;
            let min_y = y - r;

            points.iter().map(|point| {
                let (px, py) = (point[0], point[1]);
                if px >= min_x && px <= max_x
                    && py >= min_y && py <= max_y {
                    // 到圆心距离小于等于半径的点就是满足题目要求的点
                    let dis = (px - x) * (px - x) + (py - y) * (py - y);
                    if dis <= r2 {
                        return 1;
                    }
                }
                0
            }).sum()
        }).collect()
    }
}

原题传送门


非常感谢你阅读本文~
放弃不难,但坚持一定很酷~
希望我们大家都能每天进步一点点~
本文由 二当家的白帽子:https://developer.aliyun.com/profile/sqd6avc7qgj7y 博客原创~

相关文章
|
2月前
|
存储 人工智能 算法
数据结构与算法细节篇之最短路径问题:Dijkstra和Floyd算法详细描述,java语言实现。
这篇文章详细介绍了Dijkstra和Floyd算法,这两种算法分别用于解决单源和多源最短路径问题,并且提供了Java语言的实现代码。
84 3
数据结构与算法细节篇之最短路径问题:Dijkstra和Floyd算法详细描述,java语言实现。
|
6天前
|
算法 数据安全/隐私保护 开发者
马特赛特旋转算法:Python的随机模块背后的力量
马特赛特旋转算法是Python `random`模块的核心,由松本真和西村拓士于1997年提出。它基于线性反馈移位寄存器,具有超长周期和高维均匀性,适用于模拟、密码学等领域。Python中通过设置种子值初始化状态数组,经状态更新和输出提取生成随机数,代码简单高效。
93 63
|
2月前
|
算法
【❤️算法笔记❤️】-(每日一刷-876、单链表的中点)
【❤️算法笔记❤️】-(每日一刷-876、单链表的中点)
44 0
|
17天前
|
机器学习/深度学习 人工智能 算法
基于Python深度学习的【垃圾识别系统】实现~TensorFlow+人工智能+算法网络
垃圾识别分类系统。本系统采用Python作为主要编程语言,通过收集了5种常见的垃圾数据集('塑料', '玻璃', '纸张', '纸板', '金属'),然后基于TensorFlow搭建卷积神经网络算法模型,通过对图像数据集进行多轮迭代训练,最后得到一个识别精度较高的模型文件。然后使用Django搭建Web网页端可视化操作界面,实现用户在网页端上传一张垃圾图片识别其名称。
64 0
基于Python深度学习的【垃圾识别系统】实现~TensorFlow+人工智能+算法网络
|
17天前
|
机器学习/深度学习 人工智能 算法
【手写数字识别】Python+深度学习+机器学习+人工智能+TensorFlow+算法模型
手写数字识别系统,使用Python作为主要开发语言,基于深度学习TensorFlow框架,搭建卷积神经网络算法。并通过对数据集进行训练,最后得到一个识别精度较高的模型。并基于Flask框架,开发网页端操作平台,实现用户上传一张图片识别其名称。
55 0
【手写数字识别】Python+深度学习+机器学习+人工智能+TensorFlow+算法模型
|
17天前
|
机器学习/深度学习 人工智能 算法
基于深度学习的【蔬菜识别】系统实现~Python+人工智能+TensorFlow+算法模型
蔬菜识别系统,本系统使用Python作为主要编程语言,通过收集了8种常见的蔬菜图像数据集('土豆', '大白菜', '大葱', '莲藕', '菠菜', '西红柿', '韭菜', '黄瓜'),然后基于TensorFlow搭建卷积神经网络算法模型,通过多轮迭代训练最后得到一个识别精度较高的模型文件。在使用Django开发web网页端操作界面,实现用户上传一张蔬菜图片识别其名称。
62 0
基于深度学习的【蔬菜识别】系统实现~Python+人工智能+TensorFlow+算法模型
|
21天前
|
算法 Python
在Python编程中,分治法、贪心算法和动态规划是三种重要的算法。分治法通过将大问题分解为小问题,递归解决后合并结果
在Python编程中,分治法、贪心算法和动态规划是三种重要的算法。分治法通过将大问题分解为小问题,递归解决后合并结果;贪心算法在每一步选择局部最优解,追求全局最优;动态规划通过保存子问题的解,避免重复计算,确保全局最优。这三种算法各具特色,适用于不同类型的问题,合理选择能显著提升编程效率。
37 2
|
2月前
|
存储 机器学习/深度学习 算法
蓝桥杯练习题(三):Python组之算法训练提高综合五十题
蓝桥杯Python编程练习题的集合,涵盖了从基础到提高的多个算法题目及其解答。
71 3
蓝桥杯练习题(三):Python组之算法训练提高综合五十题
|
1月前
|
机器学习/深度学习 人工智能 算法
【车辆车型识别】Python+卷积神经网络算法+深度学习+人工智能+TensorFlow+算法模型
车辆车型识别,使用Python作为主要编程语言,通过收集多种车辆车型图像数据集,然后基于TensorFlow搭建卷积网络算法模型,并对数据集进行训练,最后得到一个识别精度较高的模型文件。再基于Django搭建web网页端操作界面,实现用户上传一张车辆图片识别其类型。
74 0
【车辆车型识别】Python+卷积神经网络算法+深度学习+人工智能+TensorFlow+算法模型
|
2月前
|
机器学习/深度学习 算法 Java
机器学习、基础算法、python常见面试题必知必答系列大全:(面试问题持续更新)
机器学习、基础算法、python常见面试题必知必答系列大全:(面试问题持续更新)