当前位置: 首页 > news >正文

21 . 字母异位词分组

题目介绍

给你一个字符串数组,请你将 字母异位词 组合在一起。可以按任意顺序返回结果列表。

提示:

  • 1 <= strs.length <= 104
  • 0 <= strs[i].length <= 100
  • strs[i]仅包含小写字母
class Solution { public: vector<vector<string>> groupAnagrams(vector<string>& strs) { } };

全文核心1400字,阅读+思考8min

原题链接:49. 字母异位词分组 - 力扣(LeetCode)


解析

1 . 本题需求很明确:给你一个字符串数组。对于其中相同字母(排列组合)组合成的字符串归为一组。

2 . 很自然的,结果要求返回一个二维数组。不难想,其元素则是,一组一组“字母异位词”

3 . 初拿到此题,不由想:难道我们要通过递归每个字符串,去得出每个字符串的各种排列组合……

4 . 再去统计哪些组合出现,再整合

5 . 未免想复杂了,这只是个分类工作

哈希

1 . 你可能会好奇,怎么就突然用上——“哈希”?请听接下来的分析

2 . 首先清楚此处的核心需求,材料都已经给你(vector<string>& strs)

3 . 我们需要做的,只是将它们分类,按照一定标准,把几个字符串分为一个数组。最后许多个数组合成一个大的数组

4 . 返回这个二维数组

5 . 而这个“一定标准”是什么呢?比如"nat"和"tan"凭什么分为一组,而“ate”、"eat"和"tea"凭什么分为一组

不难发现,它们都有相同的字母组成,一个不多一个不少——只是顺序不同

6 . 而让看起来顺序不一样的字母串归在一类,首先让它们展示出共性

for(auto & e : strs) { string key = e; sort(key.begin(),key.end()); // 对key原地排序,"nat"和"tan",必然展示出共性—— "ant" }

7 . 既然有了分类标准,就应该开始分类

8 . 本题要求返回一个二维数组——“万丈高楼平地起”,必然先得把一维数组准备好

9 . 不如,让key作为一个指标,它对应映射一组由key排列组合的单词

10 . 结构:unordered_map<string,vector<string>>

class Solution { public: vector<vector<string>> groupAnagrams(vector<string>& strs) { std::unordered_map<string,vector<string>> mp; for(auto & e: strs) { string key = e; sort(key.begin(),key.end()); mp[key].push_back(e);// 展现出共性后,把当前的e往key组塞 } } };

注:

字符串少拷贝,使用for(auto & e: strs)

11 . 现在mp已经有许多组 <key , vector<string>>

12 . 还记得要求返回二维数组吗?那么不难想到,最终结果集就是mp里的vector<string>组合起来成为的二维数组

13 . 那还等什么,遍历mp,把每一组的vector<string>作为元素放进ret数组里

vector<vector<string>> vv; for(auto & it:mp) // 这里的it 为 pair<string,vector<string>> { vv.push_back(it.second); }

完整代码:

class Solution { public: vector<vector<string>> groupAnagrams(vector<string>& strs) { // 分类 std::unordered_map<string,vector<string>> mp; for(auto & e: strs) { string key = e; sort(key.begin(),key.end()); mp[key].push_back(e); } // 整合 vector<vector<string>> vv; for(auto & it:mp) { vv.push_back(it.second); } return vv; } };

总结以及完整参考代码

class Solution { public: vector<vector<string>> groupAnagrams(vector<string>& strs) { // 分类 std::unordered_map<string,vector<string>> mp; for(auto & e: strs) { string key = e; sort(key.begin(),key.end()); mp[key].push_back(e); } // 整合 vector<vector<string>> vv; for(auto & it:mp) { vv.push_back(it.second); } return vv; } };
http://www.rkmt.cn/news/118166.html

相关文章:

  • Amazon Bedrock × Claude 实战:从扫描文档到结构化数据的智能处理流程
  • Mermaid Live Editor 终极指南:实时图表编辑的完整解决方案
  • FastSAM自定义数据集终极指南:从零到一的完整流程
  • AI驱动测试数据生成:从挑战到落地的实战路线图
  • Lottie-Web终极指南:零代码实现专业级Web动画
  • 面对海量科技业务信息,传统检索习惯与新工具平台的效率鸿沟
  • GKD自动化终极指南:告别重复点击,让手机更智能 [特殊字符]
  • 初识操作系统
  • 【每日算法】LeetCode 560. 和为 K 的子数组
  • 7天精通Electron桌面应用开发:从零到项目实战完整教程
  • MCP协议驱动企业级AI集成:芋道源码的智能化升级实践
  • 2025年必看!热门目管理软件排行榜,高效办公就靠它
  • OpenAI o200k_base编码器:10倍效率提升的终极指南
  • 生成模型驱动的强化学习奖励机制革命
  • 基于麻雀算法优化的无人机航迹规划--MATLAB 设置地图参数a, b, c, d, e, f...
  • 智能会议新体验:声网STT如何实现会议内容的可视化管理?
  • 2025最新广东AI搜索推广服务公司top5推荐!大湾区优质服务商权威榜单发布,解析AI搜索推广优选方案 - 全局中转站
  • 学生开发者免费获取EmotiVoice学习资源
  • 23、Linux 控制台操作与菜单创建全解析
  • 哪些地区在制造业领域有着无法被取代的地位?
  • 使用Gmail和Google Workspace邮箱
  • Memobase完整安装指南:构建AI长期记忆系统的7个关键步骤
  • Bark语音生成模型:从零开始掌握文本转语音技术
  • 22、文本文件处理与控制台脚本使用指南
  • SIEMENS软件 6FC5851-1XG41-6YA8技术文章
  • Magenta Studio:人工智能音乐创作的终极解决方案
  • 技术栈更新记录
  • 大规模并发请求下EmotiVoice性能压测结果
  • 适合新手的电脑版AI编曲软件快速根据哼唱清唱主旋律作伴奏
  • C#性能优化黑科技:这5个隐藏技巧让你的代码提速300%!