7月26写到一题,通过把列表转化为堆来处理获取最大值最小值的操作,可以节省内存和时间,效率更高,所以第一解题尝试复习一遍
class Solution:
def deleteGreatestValue(self, grid: List[List[int]]) -> int:
sum_num = 0
heap = []
for i in range(len(grid)):
temp_list = []
for j in grid[i]:
heapq.heappush(temp_list, -j)
heapq.heappush(heap, temp_list)
while(len(heap[-1]) != 0):
max_num = 0
for i in range(len(heap)):
line_max_num = -heapq.heappop(heap[i])
if line_max_num > max_num:
max_num = line_max_num
sum_num += max_num
return sum_num
第二遍尝试用排序来解决,感觉可以一行代码解决,自己东拼西凑出来的解决办法
class Solution:
def deleteGreatestValue(self, grid: List[List[int]]) -> int:
return sum([max(map(lambda li: li.pop(-1), [i for i in grid if i.sort() == None])) for i in range(len(grid[-1]))])
第三遍看了题解,发现用zip函数来压缩排序后的列表,再用map来提取出较大值,利用*解压map,传入zip进行压缩,将压缩结果通过map函数再一次提取出max值,最后相加,就得到了每次对比的最大值的和
class Solution:
def deleteGreatestValue(self, grid: List[List[int]]) -> int:
# 一行解决
# sum([max(map(lambda li: li.pop(-1), [i for i in grid if i.sort() == None])) for i in range(len(grid[-1]))])
# 改进,用zip进行压缩
# 在压缩之前用map对每个数组进行排序
# 得到一个二维数组可迭代器map(sorted, grid)
# 传入zip进行压缩,一定要加上*先将二维数组解压缩,即传入两个list进行压缩
return sum(map(max, zip(*map(sorted, grid))))