forked from azl397985856/leetcode
-
Notifications
You must be signed in to change notification settings - Fork 0
Commit
This commit does not belong to any branch on this repository, and may belong to a fork outside of the repository.
- Loading branch information
lucifer
committed
Apr 21, 2020
1 parent
893667d
commit 4946d4b
Showing
4 changed files
with
299 additions
and
2 deletions.
There are no files selected for viewing
This file contains bidirectional Unicode text that may be interpreted or compiled differently than what appears below. To review, open the file in an editor that reveals hidden Unicode characters.
Learn more about bidirectional Unicode characters
This file contains bidirectional Unicode text that may be interpreted or compiled differently than what appears below. To review, open the file in an editor that reveals hidden Unicode characters.
Learn more about bidirectional Unicode characters
Original file line number | Diff line number | Diff line change |
---|---|---|
@@ -0,0 +1,86 @@ | ||
## 题目地址(547. 朋友圈) | ||
|
||
https://leetcode-cn.com/problems/friend-circles/ | ||
|
||
## 题目描述 | ||
|
||
班上有 N 名学生。其中有些人是朋友,有些则不是。他们的友谊具有是传递性。如果已知 A 是 B 的朋友,B 是 C 的朋友,那么我们可以认为 A 也是 C 的朋友。所谓的朋友圈,是指所有朋友的集合。 | ||
|
||
给定一个 N \* N 的矩阵 M,表示班级中学生之间的朋友关系。如果 M[i][j] = 1,表示已知第 i 个和 j 个学生互为朋友关系,否则为不知道。你必须输出所有学生中的已知的朋友圈总数。 | ||
|
||
示例 1: | ||
|
||
输入: | ||
[[1,1,0], | ||
[1,1,0], | ||
[0,0,1]] | ||
输出: 2 | ||
说明:已知学生 0 和学生 1 互为朋友,他们在一个朋友圈。 | ||
第 2 个学生自己在一个朋友圈。所以返回 2。 | ||
示例 2: | ||
|
||
输入: | ||
[[1,1,0], | ||
[1,1,1], | ||
[0,1,1]] | ||
输出: 1 | ||
说明:已知学生 0 和学生 1 互为朋友,学生 1 和学生 2 互为朋友,所以学生 0 和学生 2 也是朋友,所以他们三个在一个朋友圈,返回 1。 | ||
注意: | ||
|
||
N 在[1,200]的范围内。 | ||
对于所有学生,有 M[i][i] = 1。 | ||
如果有 M[i][j] = 1,则有 M[j][i] = 1。 | ||
|
||
## 思路 | ||
|
||
并查集有一个功能是可以轻松计算出连通分量,然而本题的朋友圈的个数,本质上就是连通分量的个数,因此用并查集可以完美解决。 | ||
|
||
为了简单更加清晰,我将并查集模板代码单尽量独拿出来。 | ||
|
||
## 代码 | ||
|
||
`find`, `union`, `connected` 都是典型的模板方法。 懂的同学可能也发现了,我没有做路径压缩,这直接导致 find union connected 的时间复杂度最差的情况退化到 $O(N)$。 | ||
|
||
当然优化也不难,我们只需要给每一个顶层元素设置一个 size 用来表示连通分量的大小,这样 union 的时候我们将小的拼接到大的上即可。 另外 find 的时候我们甚至可以路径压缩,将树高限定到常数,这样时间复杂度可以降低到 $O(1)$。 | ||
|
||
```python | ||
class UF: | ||
parent = {} | ||
cnt = 0 | ||
def __init__(self, M): | ||
n = len(M) | ||
for i in range(n): | ||
self.parent[i] = i | ||
self.cnt += 1 | ||
|
||
def find(self, x): | ||
while x != self.parent[x]: | ||
x = self.parent[x] | ||
return x | ||
def union(self, p, q): | ||
if self.connected(p, q): return | ||
self.parent[self.find(p)] = self.find(q) | ||
self.cnt -= 1 | ||
def connected(self, p, q): | ||
return self.find(p) == self.find(q) | ||
|
||
class Solution: | ||
def findCircleNum(self, M: List[List[int]]) -> int: | ||
n = len(M) | ||
uf = UF(M) | ||
for i in range(n): | ||
for j in range(i): | ||
if M[i][j] == 1: | ||
uf.union(i, j) | ||
return uf.cnt | ||
|
||
``` | ||
|
||
**复杂度分析** | ||
|
||
- 时间复杂度:平均 $O(logN)$,最坏的情况是 $O(N)$ | ||
- 空间复杂度:我们使用了 parent, 因此空间复杂度为 $O(N)$ | ||
|
||
欢迎关注我的公众号《脑洞前端》获取更多更新鲜的 LeetCode 题解 | ||
|
||
![](https://pic.leetcode-cn.com/89ef69abbf02a2957838499a96ce3fbb26830aae52e3ab90392e328c2670cddc-file_1581478989502) |
This file contains bidirectional Unicode text that may be interpreted or compiled differently than what appears below. To review, open the file in an editor that reveals hidden Unicode characters.
Learn more about bidirectional Unicode characters
Original file line number | Diff line number | Diff line change |
---|---|---|
@@ -0,0 +1,78 @@ | ||
## 题目地址(721. 账户合并) | ||
|
||
https://leetcode-cn.com/problems/accounts-merge/ | ||
|
||
## 题目描述 | ||
|
||
给定一个列表 accounts,每个元素 accounts[i] 是一个字符串列表,其中第一个元素 accounts[i][0] 是 名称 (name),其余元素是 emails 表示该帐户的邮箱地址。 | ||
|
||
现在,我们想合并这些帐户。如果两个帐户都有一些共同的邮件地址,则两个帐户必定属于同一个人。请注意,即使两个帐户具有相同的名称,它们也可能属于不同的人,因为人们可能具有相同的名称。一个人最初可以拥有任意数量的帐户,但其所有帐户都具有相同的名称。 | ||
|
||
合并帐户后,按以下格式返回帐户:每个帐户的第一个元素是名称,其余元素是按顺序排列的邮箱地址。accounts 本身可以以任意顺序返回。 | ||
|
||
例子 1: | ||
|
||
Input: | ||
accounts = [["John", "johnsmith@mail.com", "john00@mail.com"], ["John", "johnnybravo@mail.com"], ["John", "johnsmith@mail.com", "john_newyork@mail.com"], ["Mary", "mary@mail.com"]] | ||
Output: [["John", 'john00@mail.com', 'john_newyork@mail.com', 'johnsmith@mail.com'], ["John", "johnnybravo@mail.com"], ["Mary", "mary@mail.com"]] | ||
Explanation: | ||
第一个和第三个 John 是同一个人,因为他们有共同的电子邮件 "johnsmith@mail.com"。 | ||
第二个 John 和 Mary 是不同的人,因为他们的电子邮件地址没有被其他帐户使用。 | ||
我们可以以任何顺序返回这些列表,例如答案[['Mary','mary@mail.com'],['John','johnnybravo@mail.com'], | ||
['John','john00@mail.com','john_newyork@mail.com','johnsmith@mail.com']]仍然会被接受。 | ||
|
||
注意: | ||
|
||
accounts 的长度将在[1,1000]的范围内。 | ||
accounts[i]的长度将在[1,10]的范围内。 | ||
accounts[i][j]的长度将在[1,30]的范围内。 | ||
|
||
## 思路 | ||
|
||
我们抛开 name 不管。 我们只根据 email 建立并查集即可。这样一个连通分量中的 email 就是一个人,我们在用一个 hashtable 记录 email 和 name 的映射,将其输出即可。 | ||
|
||
> 如果题目不要求我们输出 name,我们自然根本不需要 hashtable 做映射 | ||
## 代码 | ||
|
||
`find`, `union`, `connected` 都是典型的模板方法。 懂的同学可能也发现了,我没有做路径压缩,这直接导致 find union connected 的时间复杂度最差的情况退化到 $O(N)$。 | ||
|
||
当然优化也不难,我们只需要给每一个顶层元素设置一个 size 用来表示连通分量的大小,这样 union 的时候我们将小的拼接到大的上即可。 另外 find 的时候我们甚至可以路径压缩,将树高限定到常数,这样时间复杂度可以降低到 $O(1)$。 | ||
|
||
```python | ||
class UF: | ||
def __init__(self): | ||
self.parent = {} | ||
|
||
def find(self, x): | ||
self.parent.setdefault(x, x) | ||
while x != self.parent[x]: | ||
x = self.parent[x] | ||
return x | ||
def union(self, p, q): | ||
self.parent[self.find(p)] = self.find(q) | ||
|
||
|
||
class Solution: | ||
def accountsMerge(self, accounts: List[List[str]]) -> List[List[str]]: | ||
uf = UF() | ||
email_to_name = {} | ||
res = collections.defaultdict(list) | ||
for account in accounts: | ||
for i in range(1, len(account)): | ||
email_to_name[account[i]] = account[0] | ||
if i < len(account) - 1:uf.union(account[i], account[i + 1]) | ||
for email in email_to_name: | ||
res[uf.find(email)].append(email) | ||
|
||
return [[email_to_name[value[0]]] + sorted(value) for value in res.values()] | ||
``` | ||
|
||
**复杂度分析** | ||
|
||
- 时间复杂度:平均 $O(logN)$,最坏的情况是 $O(N)$ | ||
- 空间复杂度:我们使用了 parent, 因此空间复杂度为 $O(N)$ | ||
|
||
欢迎关注我的公众号《脑洞前端》获取更多更新鲜的 LeetCode 题解 | ||
|
||
![](https://pic.leetcode-cn.com/89ef69abbf02a2957838499a96ce3fbb26830aae52e3ab90392e328c2670cddc-file_1581478989502) |
This file contains bidirectional Unicode text that may be interpreted or compiled differently than what appears below. To review, open the file in an editor that reveals hidden Unicode characters.
Learn more about bidirectional Unicode characters
Original file line number | Diff line number | Diff line change |
---|---|---|
@@ -0,0 +1,132 @@ | ||
# 并查集 | ||
|
||
关于并查集的题目不少,官方给的数据是 30 道(截止 2020-02-20),但是有一些题目虽然官方没有贴`并查集`标签,但是使用并查集来说确非常简单。这类题目如果掌握模板,那么刷这种题会非常快,并且犯错的概率会大大降低,这就是模板的好处。 | ||
|
||
我这里总结了几道并查集的题目: | ||
|
||
- [547. 朋友圈](../problems/547.friend-circles.md) | ||
- [721. 账户合并](https://leetcode-cn.com/problems/accounts-merge/solution/mo-ban-ti-bing-cha-ji-python3-by-fe-lucifer-3/) | ||
- [990. 等式方程的可满足性](https://github.com/azl397985856/leetcode/issues/304) | ||
|
||
看完这里的内容,建议拿上面的题目练下手,检测一下学习成果。 | ||
|
||
## 概述 | ||
|
||
并查集是一种树型的数据结构,用于处理一些不交集(Disjoint Sets)的合并及查询问题。有一个联合-查找算法(Union-find Algorithm)定义了两个用于此数据结构的操作: | ||
|
||
- Find:确定元素属于哪一个子集。它可以被用来确定两个元素是否属于同一子集。 | ||
- Union:将两个子集合并成同一个集合。 | ||
|
||
由于支持这两种操作,一个不相交集也常被称为联合-查找数据结构(Union-find Data Structure)或合并-查找集合(Merge-find Set)。为了更加精确的定义这些方法,需要定义如何表示集合。一种常用的策略是为每个集合选定一个固定的元素,称为代表,以表示整个集合。接着,Find(x) 返回 x 所属集合的代表,而 Union 使用两个集合的代表作为参数。 | ||
|
||
## 形象解释 | ||
|
||
比如有两个司令。 司令下有若干军长,军长下有若干师长。。。 | ||
|
||
我们如何判断某两个师长是否属于同一个司令呢(连通性)? | ||
|
||
![](https://tva1.sinaimg.cn/large/007S8ZIlly1ge1ap6p77yj30gs0bz3zn.jpg) | ||
|
||
很简单,我们顺着师长,往上找,找到司令。 如果两个师长找到的是同一个司令,那么就属于同一个司令。我们用 parent[x] = y 表示 x 的 parent 是 y,通过不断沿着搜索 parent 搜索找到 root,然后比较 root 是否相同即可得出结论。 | ||
|
||
以上过程涉及了两个基本操作`find`和`connnected`。 并查集除了这两个基本操作,还有一个是`union`。即将两个集合合并为同一个。 | ||
|
||
如图有两个司令: | ||
|
||
![](https://tva1.sinaimg.cn/large/007S8ZIlly1ge1auw6z8oj30wp0eljth.jpg) | ||
|
||
我们将其合并为一个联通域,最简单的方式就是直接将其中一个司令指向另外一个即可: | ||
|
||
![](https://tva1.sinaimg.cn/large/007S8ZIlly1ge1awrmaclj30ym0cogo4.jpg) | ||
|
||
以上就是三个核心 API `find`,`connnected` 和 `union`, 的形象化解释,下面我们来看下代码实现。 | ||
|
||
## 核心 API | ||
|
||
### find | ||
|
||
```python | ||
def find(self, x): | ||
while x != self.parent[x]: | ||
x = self.parent[x] | ||
return x | ||
``` | ||
|
||
### connected | ||
|
||
```python | ||
def connected(self, p, q): | ||
return self.find(p) == self.find(q) | ||
``` | ||
|
||
### union | ||
|
||
```python | ||
def union(self, p, q): | ||
if self.connected(p, q): return | ||
self.parent[self.find(p)] = self.find(q) | ||
``` | ||
|
||
## 完整代码模板 | ||
|
||
```python | ||
class UF: | ||
parent = {} | ||
def __init__(self, equations): | ||
# 做一些初始化操作 | ||
|
||
def find(self, x): | ||
while x != self.parent[x]: | ||
x = self.parent[x] | ||
return x | ||
def union(self, p, q): | ||
if self.connected(p, q): return | ||
self.parent[self.find(p)] = self.find(q) | ||
def connected(self, p, q): | ||
return self.find(p) == self.find(q) | ||
``` | ||
|
||
## 带路径压缩的代码模板 | ||
|
||
```python | ||
class UF: | ||
parent = {} | ||
def __init__(self, equations): | ||
# 做一些初始化操作 | ||
def find(self, x): | ||
if x != self.parent[x]: | ||
parent[x] = find(parent[x]) | ||
return parent[x] | ||
def union(self, p, q): | ||
if self.connected(p, q): return | ||
self.parent[self.find(p)] = self.find(q) | ||
def connected(self, p, q): | ||
return self.find(p) == self.find(q) | ||
``` | ||
|
||
上面是递归的方式进行路径压缩,写起来比较简单。但是有栈溢出的风险。 接下来我们看下迭代的写法: | ||
|
||
```python | ||
class UF: | ||
parent = {} | ||
def __init__(self, equations): | ||
# 做一些初始化操作 | ||
|
||
def find(self, x): | ||
# 根节点 | ||
r = x | ||
while r != parent[r]: | ||
r = parent[r] | ||
k = x | ||
while k != r: | ||
# 暂存parent[k]的父节点 | ||
j = parent[k] | ||
parent[k] = r | ||
k = j | ||
return r | ||
def union(self, p, q): | ||
if self.connected(p, q): return | ||
self.parent[self.find(p)] = self.find(q) | ||
def connected(self, p, q): | ||
return self.find(p) == self.find(q) | ||
``` |