作者介绍:10年大厂数据\经营分析经验,现任大厂数据部门负责人。
会一些的技术:数据分析、算法、SQL、大数据相关、python
欢迎加入社区:码上找工作
作者专栏每日更新:
LeetCode解锁1000题: 打怪升级之旅
python数据分析可视化:企业实战案例
备注说明:方便大家阅读,统一使用python,带必要注释,公众号 数据分析螺丝钉 一起打怪升级
题目描述
首先,字母异位词是指由相同字母以不同顺序组成的单词或短语。例如,“ate”, “eat”, 和 “tea” 是互为字母异位词的单词,因为它们都包含相同的字母 ‘a’、‘e’ 和 ‘t’,只是字母的顺序不同。
你需要编写一个函数来:
输入:一个字符串数组 strs,其中包含一系列单词。
处理:将这些单词分组,使得每一组内的单词都互为字母异位词。
输出:分组后的单词列表,这是一个列表的列表,其中每个子列表包含一组互为字母异位词的单词。
输入格式
- strs:一个字符串数组。
输出格式
- 返回一个列表,每个子列表包含所有的字母异位词。
示例
示例 1
输入: strs = ["eat", "tea", "tan", "ate", "nat", "bat"]
输出: [["bat"], ["nat", "tan"], ["ate", "eat", "tea"]]
解释:
单词 “eat”, “tea”, 和 “ate” 互为字母异位词,因此它们被分为一组。
单词 “tan” 和 “nat” 互为字母异位词,所以它们被分为另一组。
单词 “bat” 自身独立成组,因为没有其他单词与其构成字母异位词。
示例 2
输入: strs = [""]
输出: [[""]]
算法分析
方法一:排序数组分类
解题步骤
- 创建哈希表:使用字典来组织异位词,键是排序后的单词,值是原单词的列表。
- 遍历字符串数组:对每个字符串排序,将排序后的字符串作为键,原字符串加入对应的列表。
- 输出结果:将哈希表的所有值转为列表输出。
完整的规范代码
def groupAnagrams(strs):
"""
使用哈希表根据排序后的字符串分类字母异位词
:param strs: List[str], 输入的字符串数组
:return: List[List[str]], 分组后的字母异位词列表
"""
anagram_map = {}
for s in strs:
sorted_s = ''.join(sorted(s))
if sorted_s not in anagram_map:
anagram_map[sorted_s] = [s]
else:
anagram_map[sorted_s].append(s)
return list(anagram_map.values())
# 示例调用
print(groupAnagrams(["eat", "tea", "tan", "ate", "nat", "bat"]))
算法分析
- 时间复杂度:(O(nk \log k)),其中 (n) 是字符串的数量,(k) 是字符串的最大长度。
- 空间复杂度:(O(nk)),用于存储哈希表。
方法二:计数作为键
解题步骤
- 使用计数数组:对每个字符串,使用长度为26的计数数组(针对26个英文字母)来统计每个字母的出现次数。
- 转换为元组作为键:将计数数组转换为元组,用作哈希表的键。
- 分类存储:根据计数元组将字符串归类到对应的列表。
完整的规范代码
def groupAnagrams(strs):
"""
使用字符计数数组作为哈希表键来分类字母异位词
:param strs: List[str], 输入的字符串数组
:return: List[List[str]], 分组后的字母异位词列表
"""
anagram_map = {}
for s in strs:
count = [0] * 26 # 对应26个英文字母
for char in s:
count[ord(char) - ord('a')] += 1
count_tuple = tuple(count)
if count_tuple not in anagram_map:
anagram_map[count_tuple] = [s]
else:
anagram_map[count_tuple].append(s)
return list(anagram_map.values())
# 示例调用
print(groupAnagrams(["eat", "tea", "tan", "ate", "nat", "bat"]))
算法分析
- 时间复杂度:(O(nk)),其中 (n) 是字符串数量,(k) 是字符串的最大长度。
- 空间复杂度:(O(nk)),用于存储哈希表。
方法三:质数乘积作为键
解题步骤
- 使用质数:将26个英文字母映射到26个质数上。
- 计算哈希值:每个字符串通过其字符对应的质数的乘积得到一个
哈希值。
3. 分类存储:根据哈希值将字符串归类到对应的列表。
完整的规范代码
def groupAnagrams(strs):
"""
使用质数乘积作为哈希键来分类字母异位词
:param strs: List[str], 输入的字符串数组
:return: List[List[str]], 分组后的字母异位词列表
"""
primes = [2, 3, 5, 7, 11, 13, 17, 19, 23, 29, 31, 37, 41, 43, 47, 53, 59, 61, 67, 71, 73, 79, 83, 89, 97, 101]
anagram_map = {}
for s in strs:
key = 1
for char in s:
key *= primes[ord(char) - ord('a')]
if key not in anagram_map:
anagram_map[key] = [s]
else:
anagram_map[key].append(s)
return list(anagram_map.values())
# 示例调用
print(groupAnagrams(["eat", "tea", "tan", "ate", "nat", "bat"]))
算法分析
- 时间复杂度:(O(nk)),其中 (n) 是字符串的数量,(k) 是字符串的平均长度。
- 空间复杂度:(O(nk)),主要用于存储输出结果。
方法四:改进的计数法
解题步骤
- 优化计数表示:与方法二相同,但使用字符串表示计数数组,减少转换开销。
- 使用字符串键:直接将计数数组转换成字符串形式,作为哈希键使用。
完整的规范代码
def groupAnagrams(strs):
"""
使用改进的计数法(字符串键)分类字母异位词
:param strs: List[str], 输入的字符串数组
:return: List[List[str]], 分组后的字母异位词列表
"""
anagram_map = {}
for s in strs:
count = [0] * 26
for char in s:
count[ord(char) - ord('a')] += 1
key = '#'.join(map(str, count)) # 将计数数组转换为字符串形式
if key not in anagram_map:
anagram_map[key] = [s]
else:
anagram_map[key].append(s)
return list(anagram_map.values())
# 示例调用
print(groupAnagrams(["eat", "tea", "tan", "ate", "nat", "bat"]))
算法分析
- 时间复杂度:(O(nk)),其中 (n) 是字符串的数量,(k) 是字符串的平均长度。
- 空间复杂度:(O(nk)),用于存储哈希表。
方法五:排序后哈希
解题步骤
- 直接排序:每个字符串排序,排序后的字符串作为键。
- 哈希表存储:相同排序结果的字符串归为一组。
完整的规范代码
def groupAnagrams(strs):
"""
使用字符串排序后作为哈希键来分类字母异位词
:param strs: List[str], 输入的字符串数组
:return: List[List[str]], 分组后的字母异位词列表
"""
anagram_map = {}
for s in strs:
key = ''.join(sorted(s))
if key not in anagram_map:
anagram_map[key] = [s]
else:
anagram_map[key].append(s)
return list(anagram_map.values())
# 示例调用
print(groupAnagrams(["eat", "tea", "tan", "ate", "nat", "bat"]))
算法分析
- 时间复杂度:(O(nk \log k)),其中 (n) 是字符串的数量,(k) 是字符串的最大长度。
- 空间复杂度:(O(nk)\
),用于存储哈希表和结果列表。
不同算法的优劣势对比
特征 | 方法一:排序数组分类 | 方法二:计数作为键 | 方法三:质数乘积作为键 | 方法四:改进的计数法 | 方法五:排序后哈希 |
---|---|---|---|---|---|
时间复杂度 | (O(nk \log k)) | (O(nk)) | (O(nk)) | (O(nk)) | (O(nk \log k)) |
空间复杂度 | (O(nk)) | (O(nk)) | (O(nk)) | (O(nk)) | (O(nk)) |
优势 | - 实现简单 - 易于理解 | - 更快的运行时间 - 无需排序 | - 唯一性好,冲突概率低 - 空间效率高 | - 计数转字符串快 - 空间效率更优 | - 代码简洁 - 实现直观 |
劣势 | - 排序开销大 | - 计数数组转换开销 | - 质数映射复杂度高 | - 字符串操作开销 | - 排序时间开销大 |
适用场景 | - 简单场景 - 教学演示 | - 性能要求较高场景 | - 避免哈希冲突场景 | - 大数据量优化 | - 代码简洁优先场景 |
在选择合适的方法时,应考虑实际的需求和问题规模。例如,对于需要快速处理的应用场景,可以选择计数作为键的方法;而对于需要代码简洁且易于理解的场景,则可以考虑排序后哈希的方法。对于需要避免哈希表冲突的复杂应用,质数乘积作为键提供了一个有趣的解决方案。
典型应用
字母异位词分组的应用示例覆盖了多个领域,包括数据处理、安全领域、文本分析等。这些应用不仅展示了算法的实用性,而且提供了对其在现实世界中的实际应用的洞见。
应用示例一:搜索引擎优化
场景描述
在搜索引擎技术中,快速识别并聚类含有相同字母的关键词(异位词)可以显著提高搜索结果的相关性和质量。例如,用户搜索“listen”的结果应该能够包含与“silent”相关的内容,因为它们是字母异位词。
实现步骤
-
关键词预处理:对搜索引擎数据库中的所有关键词进行异位词分组处理,创建一个从排序关键词到原始关键词列表的映射。
-
查询优化:
- 当用户提交一个搜索查询时,对查询词进行排序。
- 查找排序后与之匹配的所有异位词组,将这些词包括在搜索结果中。
代码示例
def preprocess_keywords(keywords):
anagram_map = {}
for keyword in keywords:
sorted_keyword = ''.join(sorted(keyword))
if sorted_keyword not in anagram_map:
anagram_map[sorted_keyword] = [keyword]
else:
anagram_map[sorted_keyword].append(keyword)
return anagram_map
def search(query, anagram_map):
sorted_query = ''.join(sorted(query))
return anagram_map.get(sorted_query, [])
# 示例关键词库和搜索
keywords = ["listen", "silent", "enlist", "google", "gooegl"]
anagram_map = preprocess_keywords(keywords)
print(search("tinsel", anagram_map)) # 输出: ['listen', 'silent', 'enlist']
应用示例二:安全审计
场景描述
在安全审计中,确保没有敏感词被无意识地使用是非常重要的。通过将敏感词库扩展为包含所有可能的字母异位词,可以增强审计过程的全面性,例如防止某些敏感信息在加密通讯中被隐藏。
实现步骤
- 敏感词库扩展:将所有敏感词及其异位词形式都纳入审计字典。
- 通讯内容检查:审查通过的所有消息都要检查是否包含这些敏感词或其异位词。
代码示例
def expand_sensitive_words(words):
expanded_dict = {}
for word in words:
permutations = groupAnagrams([word])
for perm in permutations[0]:
expanded_dict[perm] = True
return expanded_dict
def audit_communication(message, sensitive_dict):
words = message.split()
for word in words:
if ''.join(sorted(word)) in sensitive_dict:
return False
return True
# 审计示例
sensitive_words = ["example", "word"]
sensitive_dict = expand_sensitive_words(sensitive_words)
message = "This is a simple wodr and an eaxmple."
print(audit_communication(message, sensitive_dict)) # 输出: False
算法优势与挑战
这些应用示例突出显示了字母异位词分组算法的多功能性和实用性。利用这种算法可以在不同场景下提供精确、高效的解决方案。然而,这也带来了一些挑战,如处理大数据集时的性能优化,以及在多语言环境中的应用适配等。通过不断优化算法实现和扩展其应用范围,可以更好地满足现实世界复杂多变的需求。