23. 合并K个升序链表(困难)
题目描述
给你一个链表数组,每个链表都已经按升序排列。
请你将所有链表合并到一个升序链表中,返回合并后的链表。
示例 1:
输入:lists = [[1,4,5],[1,3,4],[2,6]]
输出:[1,1,2,3,4,4,5,6]
解释:链表数组如下:
[
1->4->5,
1->3->4,
2->6
]
将它们合并到一个有序链表中得到。
1->1->2->3->4->4->5->6
示例 2:
输入:lists = []
输出:[]
示例 3:
输入:lists = [[]]
输出:[]
提示:
- k == lists.length
- 0 <= k <= 10^4
- 0 <= lists[i].length <= 500
- -10^4 <= lists[i][j] <= 10^4
- lists[i] 按 升序 排列
- lists[i].length 的总和不超过 10^4
思路&代码
1. 利用列表作中介来排序,再形成新的链表
将所有结点放入到一个列表中,然后将列表排序,最终将排序后的列表转换成新的链表。
python
# Definition for singly-linked list.
# class ListNode:
# def __init__(self, val=0, next=None):
# self.val = val
# self.next = next
class Solution:
def mergeKLists(self, lists: List[Optional[ListNode]]) -> Optional[ListNode]:
list_total =[]
for list_one in lists:
p = list_one
while p:
list_total.append(p)
p = p.next
list_total.sort(key=lambda x:x.val)
head = rear = ListNode()
for node in list_total:
rear.next = node
rear = rear.next
return head.next
2. 优先队列PriorityQueue
逐一比较,每次比较每个链表的头部大小,决定把哪个加入到新链表中。
至于代码中为什么put的是(lists[i].val, i),主要是第二个参数,不能是lists[i](这也是我为什么不用**for l in lists:**的原因),因为当优先级一样时,这个队列就将比较后面的参数,而这个链表类是无法比较的。这里可以参考一下:python中PriorityQueue的理解
from queue import PriorityQueue
class Solution:
def mergeKLists(self, lists: List[Optional[ListNode]]) -> Optional[ListNode]:
head = rear = ListNode()
q = PriorityQueue() # 优先队列
for i in range(len(lists)):
if lists[i]:
# 把每个链表的头插入到队列中,因为每个链表都已经按升序排列,所以每次只比较链表头的值即可
q.put((lists[i].val, i))
# ()第一个参数是优先级,数字越小优先级越高,第二个参数是插入到队列中的内容
while not q.empty():
val, i = q.get()
newNode = ListNode(val)
rear.next = newNode
rear = rear.next
lists[i] = lists[i].next
if lists[i]:
q.put((lists[i].val, i))
return head.next
提交后显示这种方法时间花费很大,相比于上一种方法直接翻了一倍多,空间消耗仅减少了一点点。
3. 使用headp最小堆复现优先队列
关于heapq的使用可以查看:Python 模块之heapq
复现优先队列主要在于函数heappop(heap):删除并返回最小值,因为堆的特征是heap[0]永远是最小的元素,所以一般都是删除第一个元素。
# Definition for singly-linked list.
# class ListNode:
# def __init__(self, val=0, next=None):
# self.val = val
# self.next = next
import heapq
class Solution:
def mergeKLists(self, lists: List[Optional[ListNode]]) -> Optional[ListNode]:
head = rear = ListNode()
q = [] # 最小堆(优先队列)
for i in range(len(lists)):
if lists[i]:
# 把每个链表的头插入到队列中,因为每个链表都已经按升序排列,所以每次只比较链表头的值即可
heapq.heappush(q, (lists[i].val, i))
# 这里我定义()中第一个参数是优先级,数字越小优先级越高(heapq也是按第一个参数来比较的),第二个参数是插入到队列中的内容
while q:
val, i = heapq.heappop(q)
newNode = ListNode(val)
rear.next = newNode
rear = rear.next
lists[i] = lists[i].next
if lists[i]:
heapq.heappush(q, (lists[i].val, i))
return head.next
提交后显示时间花费比方法一略高一点,远低于方法二,空间消耗介于两者之间。
4. 分治
# Definition for singly-linked list.
# class ListNode:
# def __init__(self, val=0, next=None):
# self.val = val
# self.next = next
from queue import PriorityQueue
class Solution:
def mergeKLists(self, lists: List[Optional[ListNode]]) -> Optional[ListNode]:
num = len(lists) # 链表个数
interval = 1 # 初始间隔
while interval < num:
for i in range(0, num - interval, interval * 2):
lists[i] = self.merge2Lists(lists[i], lists[i + interval])
interval *= 2
return lists[0] if num > 0 else None
def merge2Lists(self, l1, l2): # 合并两个链表
head = rear = ListNode()
while l1 and l2:
if l1.val <= l2.val:
rear.next = l1
rear = rear.next
l1 = l1.next
else:
rear.next = l2
rear = rear.next
l2 = l2.next
if l1:
rear.next = l1
else:
rear.next = l2
return head.next