：并查集的“数据清洗”——解决艰难的「账户合并」)
图论专题(二十三)：并查集的“数据清洗”——解决艰难的「账户合并」
2025-12-21 15:02 tlnshuju 阅读(0) 评论(0) 收藏 举报哈喽各位，我是前端小L。
欢迎来到我们的图论专题第二十三篇！在现实世界的大数据处理中，“实体对齐 (Entity Resolution)”是一个非常重点的话题。它的核心就是：同一个实体？就是如何判断两个看似不同的记录，实际上指向的
对于这道“账户合并”题，我们的连接纽带是邮箱。
账户 A：
["John", "a@mail.com", "b@mail.com"]账户 B：
["John", "c@mail.com", "d@mail.com"]账户 C：
["John", "a@mail.com", "c@mail.com"]
虽然 A、B、C 看起来是三条记录，但 A 和 C 共享了 "a@mail.com"，所以 A 和 C 是同一个人。一旦 A 和 C 合并，它们就共享了 "c@mail.com"，而 B 也有 "c@mail.com"，所以 B 也被拉进了这个圈子。最终，A、B、C 其实都是同一个人！
这就是并查集的拿手好戏：通过局部的交集，推导出全局的连通分量。
力扣 721. 账户合并
https://leetcode.cn/problems/accounts-merge/
题目分析：
输入：一个列表
accounts，每个元素是[name, email1, email2, ...]。规则：如果两个账户有任何一个共同的邮箱，它们就属于同一个人。
目标：合并这些账户。返回格式：
[name, sorted_email1, sorted_email2, ...]。
核心难点： 我们并查集处理的通常是 0 到 n-1 的整数 ID。但这里我们面对的是一堆字符串（邮箱）。 我们有两种建模思路：
给账户编号：把索引
0, 1, 2视为节点。如果发现邮箱重叠，就union(0, 2)。这比较麻烦，因为需要建立“邮箱 -> 账户ID列表”的倒排索引。直接给邮箱分组：把每一个邮箱看作图中的一个节点！
在同一个账户列表里的邮箱（比如
e1, e2, e3），它们肯定属于同一个人，所以我们执行union(e1, e2)，union(e2, e3)。遍历完所有账户后，所有属于同一个人的邮箱，自然就会在并查集中拥有同一个“老大（Root Email）”。
思路二更加直观！但标准的并查集用数组 parent。面对字符串，我们只需要把数组换成哈希表 unordered_map<string, string> parent 即可！
算法流程：字符串并查集
初始化：
parent哈希表：存储email -> parent_email。owner哈希表：存储email -> user_name（用于最后输出名字）。初始时，每个邮箱的 parent 指向自己。
遍历并合并 (Union)：
遍历输入列表
accounts。对于每个账户
[name, e1, e2, ...]：记录
owner[e1] = name，owner[e2] = namehttps://www.google.com/search?q=...（其实只要记任意一个就行，因为最后合并后大家都是一家人）。关键操作：从第二个邮箱开始，将其与第一个邮箱合并。
union(e1, e2),union(e1, e3), https://www.google.com/search?q=...这样，该账户下的所有邮箱就挂在了一起。如果别的账户也包含
e2，那个账户的邮箱也会顺藤摸瓜挂到这一串上。
收集结果 (Group)：
创建一个哈希表
groups：root_email -> list<email>。遍历所有出现过的邮箱
e：找到它的老大
r = find(e)。把
e加入到groups[r]的列表中。
格式化输出：
遍历
groups。对于每一组，取出
root_email对应的列表，进行排序。从
owner表中找到这个组对应的名字name。组合成
[name, e1, e2...]，加入最终结果。
代码实现 (字符串并查集)
C++
#include
#include
#include
#include
using namespace std;
class Solution {
private:// 字符串并查集unordered_map parent;// 查找 + 路径压缩string find(const string& x) {// 如果 x 不在 parent 中（第一次遇到），初始化它指向自己if (parent.find(x) == parent.end()) {parent[x] = x;}if (parent[x] != x) {parent[x] = find(parent[x]);}return parent[x];}// 合并void unite(const string& x, const string& y) {string rootX = find(x);string rootY = find(y);if (rootX != rootY) {parent[rootX] = rootY;}}
public:vector> accountsMerge(vector>& accounts) {unordered_map owner; // 记录每个邮箱归属的用户名// 1. 遍历账户，进行合并for (const auto& acc : accounts) {const string& name = acc[0];const string& firstEmail = acc[1];// 记录每个邮箱的 owner (即使重复记录也无所谓，名字是一样的)// 同时也确保了每个出现的邮箱都在 parent 逻辑中被初始化for (int i = 1; i < acc.size(); ++i) {const string& email = acc[i];owner[email] = name;// 将当前邮箱与第一个邮箱合并// (find 函数内部会处理初始化)if (i > 1) {unite(firstEmail, email);} else {find(firstEmail); // 确保单个邮箱的情况也被初始化}}}// 2. 收集结果：按 Root Email 分组unordered_map> groups;for (const auto& pair : owner) {const string& email = pair.first;string root = find(email);groups[root].push_back(email);}// 3. 格式化输出vector> result;for (auto& pair : groups) {const string& rootEmail = pair.first;vector& emailList = pair.second;// 题目要求排序sort(emailList.begin(), emailList.end());// 构建 [Name, e1, e2...]vector account;account.push_back(owner[rootEmail]); // 只需要找 Root 的 owner 即可account.insert(account.end(), emailList.begin(), emailList.end());result.push_back(account);}return result;}
}; 深度复杂度分析
N：所有账户中邮箱的总数量。
时间复杂度 O(N * logN)：
并查集操作：虽然是字符串操作，但每个邮箱最多参与常数次
find/unite。如果字符串长度视为常数K，这部分近似O(N * K)。排序：这是最耗时的部分。我们需要对每个组的邮箱列表进行排序。在最坏情况下（所有邮箱属于同一个人），我们需要对
N个字符串排序，复杂度为O(N * logN * K)。总时间核心由排序决定。
空间复杂度 O(N)：
parent,owner,groups等哈希表都需要存储所有的邮箱。
总结：并查集——关系数据的“整理收纳师”
今天这道题，展示了并查集在实际数据处理中的强大能力。 通过将“邮箱”视为节点，将“同列表”视为连接，我们轻松地将杂乱无章的碎片信息，整理成了井井有条的“档案”。
核心技巧回顾：
字符串并查集：用
unordered_map<string, string>代替数组，逻辑完全不变。两步走：先
Union建立关系，再Group收集结果。
在下一篇中，大家将迎来图论中一个极其重要、且算法优美的大类——最小生成树 (MST)。我们将学习如何用并查集来实现大名鼎鼎的Kruskal 算法，在一个庞大的网络中，以最小的成本连接所有节点。
下期见！