map改变一个字母是什么_组合总和 leetcode

map改变一个字母是什么_组合总和 leetcode原题链接给定一个字符串数组,将字母异位词组合在一起。字母异位词指字母相同,但排列不同的字符串。示例:输入: [“eat”, “tea”, “tan”, “ate”, “nat”, “bat”]输出:[ [“ate”,”eat”,”tea”], [“nat”,”tan”], [“bat”]]说明:所有输入均为小写字母。不考虑答案输出的顺序。tclass Solution {public: vector<vector<string>> g

大家好,又见面了,我是你们的朋友全栈君。如果您正在找激活码,请点击查看最新教程,关注关注公众号 “全栈程序员社区” 获取激活教程,可能之前旧版本教程已经失效.最新Idea2022.1教程亲测有效,一键激活。

Jetbrains全系列IDE使用 1年只要46元 售后保障 童叟无欺

原题链接
给定一个字符串数组,将字母异位词组合在一起。字母异位词指字母相同,但排列不同的字符串。

示例:

输入: ["eat", "tea", "tan", "ate", "nat", "bat"]
输出:
[
  ["ate","eat","tea"],
  ["nat","tan"],
  ["bat"]
]

说明:

  • 所有输入均为小写字母。
  • 不考虑答案输出的顺序。

题解

  1. 先对单词排序,然后单词相同的放入同一个vector中,所以时间复杂度为O(nmlogm)
class Solution { 
   
public:
    vector<vector<string>> groupAnagrams(vector<string>& strs) { 
   
        map<string,vector<string> >a;
        for(int i = 0;i < strs.size();i ++){ 
   
            string t = strs[i];
            sort(t.begin(),t.end());
            if(a.find(t) == a.end()){ 
   
                vector<string> tt;
                a[t] = tt;
            }
            a[t].push_back(strs[i]);
        }
        vector<vector<string> >res;
        for(map<string,vector<string> >::iterator it = a.begin();it != a.end();it ++){ 
   
            res.push_back(it->second);
        }
        return res;
    }
};
  1. 统计每个单词中字符出现的次数,然后把字符对应次数一样的放入同一个vector中,时间复杂度为O(n(k+ m)) k==26
class Solution { 
   
public:
    vector<vector<string>> groupAnagrams(vector<string>& strs) { 
   
        map<string,vector<string> >m;
        vector<vector<string> >res;
        int num[26] = { 
   0};
        for(auto &word : strs){ 
   
            memset(num,0,sizeof num);
            for(int i = 0;i < word.size();i ++){ 
   
                num[word[i] - 'a'] ++;
            }
            string t = "";
            for(int i = 0;i < 26;i ++){ 
   
                if(num[i] != 0){ 
   
                    t += (to_string(i + 'a') + to_string(num[i]));
                }
            }
            m[t].push_back(word);
        }
        for(auto &a : m)res.push_back(a.second);
        return res;
    }
};
版权声明:本文内容由互联网用户自发贡献,该文观点仅代表作者本人。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。如发现本站有涉嫌侵权/违法违规的内容, 请联系我们举报,一经查实,本站将立刻删除。

发布者:全栈程序员-站长,转载请注明出处:https://javaforall.net/168889.html原文链接:https://javaforall.net

(0)
全栈程序员-站长的头像全栈程序员-站长


相关推荐

  • mybatis二级缓存实现_mybatis源码深度解析

    mybatis二级缓存实现_mybatis源码深度解析 二级缓存的作用域是全局,换句话说,二级缓存已经脱离SqlSession的控制了。在测试二级缓存之前,我先把结论说一下:二级缓存的作用域是全局的,二级缓存在SqlSession关闭或提交之后才会生效。在分析MyBatis的二级缓存之前,我们先简单看下MyBatis中一个关于二级缓存的类(其他相关的类和接口之前已经分析过):org.apache.ibatis.mapping.Ma…

    2022年9月2日
    7
  • oracle ORA-00918 未明确定义列「建议收藏」

    oracle ORA-00918 未明确定义列「建议收藏」 出现这种错误,一般是列名重复导致的,如下: createtabletestchar(v_datevarchar2(20),d_datedate)insertintotestcharselect’2018-07-20′,date’2018-07-20’fromdual;#这时候有两个字段都是vv,那么查询时,就会区分不出来这两列,oracl…

    2022年10月4日
    3
  • Oracle技术之如何分析执行计划(一)

    Oracle技术之如何分析执行计划(一)

    2021年8月26日
    69
  • 传统图像降噪算法之BM3D原理详解

    传统图像降噪算法之BM3D原理详解       图像降噪是一个十分具有实用价值的研究方向,因为噪声总是无处不在的。当处于比较昏暗的环境时,噪声将极大地影响着我们所拍摄的图像。如今,随着深度学习算法以及相关硬件的不断发展,深度卷积网络同样在图像降噪领域占据了主流,并且代表了该领域最优异的成绩。但是,深度神经网络同样有着其缺点,例如模型过于庞大而计算复杂度过高,以及缺乏一些理论上的解释性,当然这些缺点正不断地得到弥补。为了更好地理解图像降噪的基本原理,我们有必要回过头来仔细研

    2022年6月7日
    45
  • 高通linux-串口笔记「建议收藏」

    高通linux-串口笔记「建议收藏」概述驱动:drivers/tty/serial/msm_serial_hs_lite.c:低速版本,设备树内容配置为compatible="qcom,msm-lsuart-v14";msm_serial_hs.c:高速版本, 设备树内容配置为compatible="qcom,msm-hsuart-v14"; 2.分析设备树内容 uart_cons…

    2022年9月2日
    4
  • 如何查找共享打印机的电脑_怎么通过计算机名连接共享打印机

    如何查找共享打印机的电脑_怎么通过计算机名连接共享打印机大家好,我是时间财富网智能客服时间君,上述问题将由我为大家进行解答。以电脑为例,查找网络共享打印机的方法有:1、双击网上邻居,查看工作组计算机,找到打印机主机的名字,双击进入,找到打印机,双击添加即可。2、左下角单击开始――设置――控制面板,打印机和传真,添加打印机,下一步,选择“网络打印机”,点击浏览,找到打印机主机名,双击选择,确定即可。打印机(Printer)是计算机的输出设备之一,用于将…

    2025年8月23日
    3

发表回复

您的邮箱地址不会被公开。 必填项已用 * 标注

关注全栈程序员社区公众号