Leetcod面试经典150题刷题记录 —— 矩阵篇

矩阵篇

    • 1. 有效的数独
    • 2. 螺旋矩阵
      • Python
    • 3. 旋转图像
      • Python
        • 额外开辟数组空间
        • 原地置换法
    • 4. 矩阵置零
    • 5. 生命游戏
      • Python

1. 有效的数独

题目链接:有效的数独 - leetcode
题目描述:
请你判断一个 9 x 9 的数独是否有效。只需要 根据以下规则 ,验证已经填入的数字是否有效即可。
数字 1-9 在每一行只能出现一次。
数字 1-9 在每一列只能出现一次。
数字 1-9 在每一个以粗实线分隔的 3x3 宫内只能出现一次。(请参考示例图)
注意:
一个有效的数独(部分已被填充)不一定是可解的。
只需要根据以上规则,验证已经填入的数字是否有效即可。
空白格用 '.' 表示。
题目归纳:

class Solution:def isValidSudoku(self, board: List[List[str]]) -> bool:# (1) board的行数为m,列数为n,m = n = 9# (2) 该求解算法应只遍历board一次# (3) 遍历过程更新hashtable的计数,并判断是否满足有效数独# (4) 0<=i,j<9,故对于(i,j)单元格,该单元格所在的小九宫格,其对应行数为i//3,列数为j//3,均向下取整, 0<=i//3, j//3 <9# (5) 创建二维数组 rows与columns,分别记录每行、每列中,每个数字的出现次数# (6) 创建三维数组 subboxes,记录每个小九宫格中,每个数字的出现次数#     其中rows[i][index]表示数独i行j列单元格所在 行,数字index+1出现的次数#     其中columns[j][index]表示数独i行j列单元格所在 列,数字index+1出现的次数#     其中subboxes[i//3][j//3][index]表示数独i行j列单元格所在 小九宫格,数字index+1出现的次数#     其中 1<= index+1 <= 9# (7) 若board[i][j]非空,其字符串值为数字n,则将#     rows[i][n-1] += 1#     columns[j][n-1] += 1#     subboxes[i//3][j//3][n-1] += 1#     若更新后的计数 >1,则不符合有效数独条件,返回false#     若更新后的计数 <=1,则符合有效数独条件,返回truerows = [[0] * 9 for _ in range(9)] columns = [[0] * 9 for _ in range(9)]subboxes = [[[0] * 9 for _ in range(3)] for _ in range(3)]for i in range(9):for j in range(9):ch = board[i][j]if ch != '.': # 数字digit = int(ch) - 1rows[i][digit] += 1columns[j][digit] += 1subboxes[int(i/3)][int(j/3)][digit] += 1if rows[i][digit] > 1 or                       columns[j][digit] > 1 or                       subboxes[int(i/3)][int(j/3)][digit] > 1:return Falsereturn True

这里有一个巨坑,我不踩不知道,一踩吓一跳。就是在生成rowscolumnssubboxes时,我一开始采用的方式是:

rows = [ [0]*9 ]*9
columns = [ [0]*9 ]*9
subboxes = [[[0] * 9 for _ in range(3)] for _ in range(3)]

但是这样有个问题,问大模型,大模型给的回答是,[[0]*9]*9是通过重复一个已存在的子列表来创建一个新的列表,这个新列表中有 9 个相同的子列表,每个子列表都有 9 个元素,每个元素值都是 0。这意味着这个新列表中的每个子列表都是同一个对象,修改其中一个子列表会影响其他子列表。注意这句,会影响其他子列表,所以,为稳妥起见并养成良好习惯,生成列表还是用列表推导式,而不要用这种快速写法。

2. 螺旋矩阵

题目链接:螺旋矩阵 - leetcode
题目描述:
给你一个 m 行 n 列的矩阵 matrix ,请按照 顺时针螺旋顺序 ,返回矩阵中的所有元素。
spiral1.jpg
题目归纳:

解题思路:
(1) 解法: 旋转图像 - leetcode官方题解

Python

class Solution:def spiralOrder(self, matrix: List[List[int]]) -> List[int]:# 洋葱式模拟法# (1)将矩阵看成若干层,输出次序:最外层->次外层->最内层# [[1, 1, 1, 1, 1, 1, 1],# [1, 2, 2, 2, 2, 2, 1],# [1, 2, 3, 3, 3, 2, 1],# [1, 2, 2, 2, 2, 2, 1],# [1, 1, 1, 1, 1, 1, 1]]# (2)对于每层,顺序又是顺时针的# (top, left) -> (top, right)#      ^              |#      |              v# (bottom, left) <- (bottom, right)#if not matrix or not matrix[0]:return list()rows, columns = len(matrix), len(matrix[0])ans = list()left, right, top, bottom = 0, columns-1, 0, rows-1while left <= right and top <= bottom: # 3*3方阵最后会出现left=right, top=bottomfor column in range(left, right+1): # [left,right],从左到右ans.append(matrix[top][column])for row in range(top+1, bottom+1): # [top+1, bottom],从上到下ans.append(matrix[row][right]) if left < right and top < bottom: # 左右未交汇,上下未交汇for column in range(right-1, left, -1): # right-1, ... , left+1,从右到左ans.append(matrix[bottom][column])for row in range(bottom, top, -1): # bottom, ..., top+1,从下到上ans.append(matrix[row][left])left += 1right -= 1top += 1bottom -= 1return ans

3. 旋转图像

题目链接:螺旋矩阵 - leetcode
题目描述:
给定一个 n × n 的二维矩阵 matrix 表示一个图像。请你将图像顺时针旋转 90 度。你必须在 原地 旋转图像,这意味着你需要直接修改输入的二维矩阵。请不要 使用另一个矩阵来旋转图像。
题目归纳:

解题思路:
(1) 解法: 旋转图像 - leetcode官方题解

Python

额外开辟数组空间
class Solution:def rotate(self, matrix: List[List[int]]) -> None:"""Do not return anything, modify matrix in-place instead."""# (1)关键性质# 矩阵中的第 i 行第 j 个元素# 旋转后会出现在# 倒数第 i 列第 j 个位置,即第 j 行倒数第i列,即# matrix[row][col] -> matrix[col][(n-1) -row]n = len(matrix) # 长宽相等matrix_new = [ [0 for j in range(n)] for i in range(n)]# 开始旋转for i in range(n):for j in range(n):matrix_new[j][(n-1)-i] = matrix[i][j]# 不能写成引用赋值:matrix = matrix_newmatrix[::] = matrix_new
原地置换法
class Solution:def rotate(self, matrix: List[List[int]]) -> None:"""Do not return anything, modify matrix in-place instead."""# 解法二,原地置换法,不使用额外矩阵# 将矩阵按行分块,有#  a_0#  a_1#  ...#  a_n-1# (1)将矩阵按行对称轴进行上下反转#  a_n-1#  a_n-2#  ...#  a_0# (2)T转置。这就是最终答案,顺时针旋转90°# a_n-1_T, ..., a_1_T, a_0_T。# #      |     |#  --- · --- · --- : row1#      |     |#  --- · --- · --- : row2#      |     |#    col1   col2# 可以发现,顺时针旋转90°,即# row1 --> col2# row2 --> col1# col1 --> row1# col2 --> row2# 那么我们做如下操作,对矩阵按行反转,就像反转字符串那样#      |     |#  --- · --- · --- : row2#   -  |  -  |  -             行对称轴#  --- · --- · --- : row1#      |     |#    col1' col2'# 再进行矩阵转置#      |     |#  --- · --- · --- : col2'#   -  |  -  |  -             行对称轴#  --- · --- · --- : col1'#      |     |#    row2' row1'# (1)上下反转n = len(matrix)top, bottom = 0, n-1while top < bottom:matrix[top][:], matrix[bottom][:] = matrix[bottom][:], matrix[top][:]top += 1bottom -= 1# (2)沿主对角线进行T转置for i in range(0, n):for j in range(0, i):matrix[i][j], matrix[j][i] = matrix[j][i], matrix[i][j]

4. 矩阵置零

题目链接:矩阵置零 - leetcode
题目描述:
给定一个 m x n 的矩阵,如果一个元素为 0 ,则将其所在行和列的所有元素都设为 0 。请使用 原地 算法。
题目归纳:

解题思路:
解法: 矩阵置零 - leetcode官方题解
(1) 解法1,建立两个标记数组。时间复杂度 O ( m n ) O(mn) O(mn),空间复杂度 O ( m + n ) O(m+n) O(m+n)
(2) 解法2,使用两个标记变量。时间复杂度 O ( m n ) O(mn) O(mn),空间复杂度 O ( 1 ) O(1) O(1)
(3) 解法3,使用一个标记变量。时间复杂度 O ( m n ) O(mn) O(mn),空间复杂度 O ( 1 ) O(1) O(1)。该解法较难理解,且收益不高,暂未记录到本文中。

#解法1,建立两个标记数组。
class Solution:def setZeroes(self, matrix: List[List[int]]) -> None:"""Do not return anything, modify matrix in-place instead."""# (1)建立两个标记数组,分别是行标记数组与列标记数组m = len(matrix)n = len(matrix[0])row = [False for _ in range(m)]col = [False for _ in range(n)]# (2)遍历1for i in range(m):for j in range(n):if matrix[i][j] == 0:row[i] = Truecol[j] = True# (2)遍历2for i in range(m):for j in range(n):if row[i] or col[j]:matrix[i][j] = 0
#解法2,使用两个标记变量。
class Solution:def setZeroes(self, matrix: List[List[int]]) -> None:"""Do not return anything, modify matrix in-place instead."""# 解法2,用矩阵的第一行和第一列来替代方法1的两个标记数组# 但这样需要使用额外的两个标记变量,分别记录第一行和第一列是否原本就包含 0。# (1)首先预处理出两个标记变量# (2)使用其他行与列去处理第一行与第一列# (3)然后反过来使用第一行与第一列去更新其他行与列# (4)最后使用两个标记变量更新第一行与第一列# 上述过程类似于变量值交换,互相做过河的石头# (1)首先预处理出两个标记变量m = len(matrix)n = len(matrix[0])flag_col0 = any(matrix[i][0] == 0 for i in range(m))flag_row0 = any(matrix[0][j] == 0 for j in range(n))# (2)使用其他行与列去处理第一行与第一列for i in range(1,m):for j in range(1,n):if matrix[i][j] == 0:matrix[0][j] = 0 #第一行matrix[i][0] = 0 #第一列# (3)反过来使用第一行与第一列去更新其他行与列for i in range(1,m):for j in range(1,n):if matrix[i][0] == 0 or matrix[0][j] == 0:matrix[i][j] = 0# (4)最后使用两个标记变量更新第一行与第一列if flag_row0:for j in range(n):matrix[0][j] = 0if flag_col0:for i in range(m):matrix[i][0] = 0

5. 生命游戏

题目链接:生命游戏 - leetcode
题目描述:
根据 百度百科 , 生命游戏 ,简称为 生命 ,是英国数学家约翰·何顿·康威在 1970 年发明的细胞自动机。
给定一个包含 m × n 个格子的面板,每一个格子都可以看成是一个细胞。每个细胞都具有一个初始状态: 1 即为 活细胞 (live),或 0 即为 死细胞 (dead)。每个细胞与其八个相邻位置(水平,垂直,对角线)的细胞都遵循以下四条生存定律:
如果活细胞周围八个位置的活细胞数少于两个,则该位置活细胞死亡;
如果活细胞周围八个位置有两个或三个活细胞,则该位置活细胞仍然存活;
如果活细胞周围八个位置有超过三个活细胞,则该位置活细胞死亡;
如果死细胞周围正好有三个活细胞,则该位置死细胞复活;
下一个状态是通过将上述规则同时应用于当前状态下的每个细胞所形成的,其中细胞的出生和死亡是同时发生的。给你 m x n 网格面板 board 的当前状态,返回下一个状态。
题目归纳:

解题思路:
解法: 生命游戏 - leetcode官方题解
(1) 新建数组。耗费内存空间
(2) 记录复合状态:-1, 0, 1, 2,并二次遍历。

Python

class Solution:def gameOfLife(self, board: List[List[int]]) -> None:"""Do not return anything, modify board in-place instead."""# (1)活细胞周围八个位置的活细胞数 < 2,    该位置活细胞死亡# (2)活细胞周围八个位置的活细胞数 =2 or 3,该位置活细胞仍然存活# (3)活细胞周围八个位置的活细胞数 > 3,    该位置活细胞死亡# (4)死细胞周围八个位置的活细胞数 = 3,    该位置死细胞复活;# (5)下一个状态,是通过将上述规则,同时应用于当前状态下的每个细胞,所形成的,其中细胞的出生和死亡是同时发生的。即你不能先更新某些格子,然后使用它们的更新后的值再更新其他格子,那还能原地修改吗?# (6)注意事项。原则上,面板是无限的,但当活细胞侵占了面板边界时会造成问题。# 这里不考虑非原地修改的算法,那样太浪费空间了,实际中肯定也不会那样使用# 使用额外的复合状态# -1:过去存活,现在死亡# 0:死亡# 1:存活# 2:过去死亡,现在存活# 由于复合状态隐含了过去细胞的状态,所以可以在不复制数组的情况下完成原地更新neighbors = [(1,0), (1,-1), (0,-1), (-1,-1), (-1,0), (-1,1), (0,1), (1,1)]rows = len(board)cols = len(board[0])# 一、遍历每个细胞并更新复合状态for row in range(rows):for col in range(cols):# (1)统计每个细胞的活邻居数live_neighbors = 0for neighbor in neighbors:# 相邻位置坐标r = row + neighbor[0]c = col + neighbor[1]# 邻居是否为活细胞if (0 <= r and r < rows) and (0 <= c and c < cols) and abs(board[r][c]) == 1: # -1或1都是过去存活live_neighbors += 1# (2)根据活邻居数应用规则if board[row][col] == 1 and (live_neighbors < 2 or 3 < live_neighbors):board[row][col] = -1if board[row][col] == 0 and live_neighbors == 3:board[row][col] = 2# 二、再次遍历,得到更新后的状态for row in range(rows):for col in range(cols):if board[row][col] > 0:board[row][col] = 1else:board[row][col] = 0

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.hqwc.cn/news/292434.html

如若内容造成侵权/违法违规/事实不符,请联系编程知识网进行投诉反馈email:809451989@qq.com,一经查实,立即删除!

相关文章

本地开发了一个项目,将其添加到 Git 仓库

背景 如果你已经在本地开发了一个项目&#xff0c;但尚未将其添加到 Git 仓库 现在要将其添加至远程git仓库 文章目录 详细步骤在gitee上申请仓库 详细步骤 打开终端&#xff1a; 打开终端或命令提示符窗口&#xff0c;进入你的项目所在的目录。 初始化 Git 仓库&#xff1a; …

27 redis 的 sentinel 集群

前言 redis 的哨兵的相关业务功能的实现 哨兵的主要作用是 检测 redis 主从集群中的 master 是否挂掉, 单个哨兵节点识别 master 下线为主管下线, 超过 quorum 个 哨兵节点 认为 master 挂掉, 识别为 客观下线 然后做 failover 的相关处理, 重新选举 master 节点 我们这里…

陶建辉在 CIAS 2023 谈“新能源汽车的数字化”

近年&#xff0c;中国的新能源汽车发展迅猛&#xff0c;在全球竞争中表现出色&#xff0c;已经连续 8 年保持全球销量第一。在新兴技术的推动下&#xff0c;新能源汽车的数字化转型也正在加速进行&#xff0c;从汽车制造到能源利用、人机交互&#xff0c;各个环节都在进行数字化…

Android笔记(二十):JetPack DataStore 之 Proto DataStore

Jetpack DataStore 是一种数据存储解决方案&#xff0c;主要适用于小型数据的处理。它可以通过协议缓冲区存储键值对或类型化对象。DataStore 使用 Kotlin 协程和 Flow 以异步、一致的事务方式存储数据。DataStore有两种实现方式&#xff08;1&#xff09;Preferences DataStor…

“智”绘出海新航道,亚马逊云科技携手涂鸦智能助力智能家居企业全球化

随着人工智能、5G等技术的快速发展&#xff0c;智能家居行业呈现高速发展的态势。Statista数据显示&#xff0c;2022年全球智能家居行业支出总值为1145亿美元&#xff0c;欧美地区以较早的智能家居普及率&#xff0c;率先进入全屋智能时代&#xff0c;其中欧盟区国家家用智能设…

simulink代码生成(一)——环境搭建

一、安装C2000的嵌入式环境&#xff1b; 点击matlab附加功能&#xff0c; 然后搜索C2000&#xff0c;安装嵌入式硬件支持包&#xff1b;点击安装即可&#xff1b;&#xff08;目前还不知道破解版的怎么操作&#xff0c;目前我用的是正版的这样&#xff0c;完全破解的可能操作…

flink watermark 实例分析

WATERMARK 定义了表的事件时间属性&#xff0c;其形式为: WATERMARK FOR rowtime_column_name AS watermark_strategy_expression rowtime_column_name 把一个现有的列定义为一个为表标记事件时间的属性。该列的类型必须为 TIMESTAMP(3)/TIMESTAMP_LTZ(3)&#xff0c;且是 sche…

Sharding JDBC 学习了解 - 总览和概念

第一部分&#xff1a;概述 ShardingSphere是一个由一套分布式数据库中间件解决方案组成的开源生态圈&#xff0c;包括Sharding-JDBC、Sharding-Proxy和Sharding-Proxy 3个独立产品。它们都提供了数据分片、分布式事务、数据库编排等功能&#xff0c;适用于Java同构、异构语言、…

docker学习(十一、Redis集群存储数据方式)

文章目录 一、集群数据存储1.单机连接集群问题2.集群方式连接redis存储数据 二、 查看集群信息 docker搭建Redis集群相关知识&#xff1a; docker学习&#xff08;九、分布式存储亿级数据知识&#xff09; docker学习&#xff08;十、搭建redis集群&#xff0c;三主三从&#x…

UE5 Landscape 制作GIS卫星图地形

1. 总体想法&#xff1a; 制作GIS地形&#xff0c;使用Landscaping MapBox是一个好方法&#xff0c;但是区域过大&#xff0c;会占用很多内存 https://blog.csdn.net/qq_17523181/article/details/135029614 如果采用QGis&#xff0c;导出卫星图&#xff0c;在UE5里拼合出地形…

docker 部署kafka

随笔记录 目录 1. 安装zookeeper 2. 安装Kafka 2.1 拉取kafka image 2.2 查询本地docker images 2.3 查看本地 容器&#xff08;docker container&#xff09; 2.3.1 查看本地已启动的 docker container 2.3.2 查看所有容器的列表&#xff0c;包括已停止的容器。 2.4 …

基于ssm二手车交易平台的设计论文

摘 要 进入21世纪网络和计算机得到了飞速发展&#xff0c;并和生活进行了紧密的结合。目前&#xff0c;网络的运行速度以达到了千兆&#xff0c;覆盖范围更是深入到生活中的角角落落。这就促使二手交易网站的发展。二手交易网站可以实现远程购物&#xff0c;远程选择喜欢的商品…