【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
|
7天前
|
监控 算法 网络协议
Java 实现局域网电脑屏幕监控算法揭秘
在数字化办公环境中,局域网电脑屏幕监控至关重要。本文介绍用Java实现这一功能的算法,涵盖图像采集、数据传输和监控端显示三个关键环节。通过Java的AWT/Swing库和Robot类抓取屏幕图像,使用Socket进行TCP/IP通信传输图像数据,并利用ImageIO类在监控端展示图像。整个过程确保高效、实时和准确,为提升数字化管理提供了技术基础。
40 15
|
3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。
101 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。
|
13天前
|
缓存 算法 搜索推荐
Java中的算法优化与复杂度分析
在Java开发中,理解和优化算法的时间复杂度和空间复杂度是提升程序性能的关键。通过合理选择数据结构、避免重复计算、应用分治法等策略,可以显著提高算法效率。在实际开发中,应该根据具体需求和场景,选择合适的优化方法,从而编写出高效、可靠的代码。
25 6
|
2月前
|
JSON 算法 数据挖掘
基于图论算法有向图PageRank与无向图Louvain算法构建指令的方式方法 用于支撑qwen agent中的统计相关组件
利用图序列进行数据解读,主要包括节点序列分析、边序列分析以及结合节点和边序列的综合分析。节点序列分析涉及节点度分析(如入度、出度、度中心性)、节点属性分析(如品牌、价格等属性的分布与聚类)、节点标签分析(如不同标签的分布及标签间的关联)。边序列分析则关注边的权重分析(如关联强度)、边的类型分析(如管理、协作等关系)及路径分析(如最短路径计算)。结合节点和边序列的分析,如子图挖掘和图的动态分析,可以帮助深入理解图的结构和功能。例如,通过子图挖掘可以发现具有特定结构的子图,而图的动态分析则能揭示图随时间的变化趋势。这些分析方法结合使用,能够从多个角度全面解读图谱数据,为决策提供有力支持。
110 0
|
3月前
|
算法 搜索推荐 Java
java 后端 使用 Graphics2D 制作海报,画echarts图,带工具类,各种细节:如头像切割成圆形,文字换行算法(完美实验success),解决画上文字、图片后不清晰问题
这篇文章介绍了如何使用Java后端技术,结合Graphics2D和Echarts等工具,生成包含个性化信息和图表的海报,并提供了详细的代码实现和GitHub项目链接。
161 0
java 后端 使用 Graphics2D 制作海报,画echarts图,带工具类,各种细节:如头像切割成圆形,文字换行算法(完美实验success),解决画上文字、图片后不清晰问题
|
3月前
|
算法 Java Linux
java制作海报一:java使用Graphics2D 在图片上写字,文字换行算法详解
这篇文章介绍了如何在Java中使用Graphics2D在图片上绘制文字,并实现自动换行的功能。
166 0
|
Java Python 数据挖掘
Java之调用Python代码
  对于一个数据分析方面的工作者来说,最熟悉的语言无疑就是Python了。对于软件开发者而言,Java又是极其重要的工具。那么,一个很自然的问题就是,我们能够在Java中调用Python代码吗?   想要在Java中调用Python代码,有以下两个办法: 直接通过Runtime进行调用 调用Jython 在Java中如果需要调用第三方程序,可以直接通过Runtime实现,这也是最直接最粗暴的做法,粒度更加粗糙,效率较高,需要安装Python软件。
2792 0
|
NoSQL Java Redis
java调用python代码
同样的我们需要安装jython,具体的步骤如下: 1. 去 http://sourceforge.net/projects/jython/ 下载最新的jython相关的jar包。 2. 下载下来的jar包其实既是使用的时候需要引入的jar包,也是安装就jython的jar包。
1021 0
|
11天前
|
Java
Java—多线程实现生产消费者
本文介绍了多线程实现生产消费者模式的三个版本。Version1包含四个类:`Producer`(生产者)、`Consumer`(消费者)、`Resource`(公共资源)和`TestMain`(测试类)。通过`synchronized`和`wait/notify`机制控制线程同步,但存在多个生产者或消费者时可能出现多次生产和消费的问题。 Version2将`if`改为`while`,解决了多次生产和消费的问题,但仍可能因`notify()`随机唤醒线程而导致死锁。因此,引入了`notifyAll()`来唤醒所有等待线程,但这会带来性能问题。
Java—多线程实现生产消费者
|
13天前
|
安全 Java Kotlin
Java多线程——synchronized、volatile 保障可见性
Java多线程中,`synchronized` 和 `volatile` 关键字用于保障可见性。`synchronized` 保证原子性、可见性和有序性,通过锁机制确保线程安全;`volatile` 仅保证可见性和有序性,不保证原子性。代码示例展示了如何使用 `synchronized` 和 `volatile` 解决主线程无法感知子线程修改共享变量的问题。总结:`volatile` 确保不同线程对共享变量操作的可见性,使一个线程修改后,其他线程能立即看到最新值。