最大正方形
方法一:暴力法,有很多细节注意
class Solution:
def maximalSquare(self, matrix: List[List[str]]) -> int:
if not matrix:
return 0
max_length = 0
for i in range(len(matrix)):
for j in range(len(matrix[0])):
if matrix[i][j] == "1":
Flag = False
max_length = max(max_length, 1)#这里这样写的目的是,在循环的时候,加入已经求得了一个max_length大于1的,我们再重新进行循环的时候,如果我们没有进行到下面max_length = max(k+1, max_length)这里,此时max_length=1,所以这里要求max
max_side = min(len(matrix) - i, len(matrix[0]) - j)
for k in range(1, max_side):
if matrix[i+k][j+k] == "0":
break
for m in range(k):
if matrix[i+k][j+m] == "0" or matrix[i+m][j+k] == "0":
Flag = True
break
if Flag:#Flag用来跳出循环(max_side),当Flag为True时表示上面的k循环没有遍历完,但是我们不需要再继续下面的循环了,所以需要跳出大循环
break
else:
max_length = max(k+1, max_length)
return max_length ** 2
方法二:动态规划,状态转移方程理解参考
if not matrix:
return 0
dp = [[0 for _ in range(len(matrix[0]))] for _ in range(len(matrix))]
max_side = 0
for i in range(len(matrix)):
for j in range(len(matrix[0])):
if i == 0 or j == 0:
dp[i][j] = int(matrix[i][j])
else:
if matrix[i][j] == "1":
dp[i][j] = min(dp[i-1][j], dp[i-1][j-1], dp[i][j-1]) + 1
else:
dp[i][j] = 0
max_side = max(max_side, dp[i][j])
return max_side ** 2