【CODE】01 矩阵(01 Matrix)

542. 01 矩阵

难度中等192收藏分享切换为英文关注反馈

给定一个由 0 和 1 组成的矩阵,找出每个元素到最近的 0 的距离。

两个相邻元素间的距离为 1 。

示例 1:
输入:

0 0 0
0 1 0
0 0 0

输出:

0 0 0
0 1 0
0 0 0

示例 2:
输入:

0 0 0
0 1 0
1 1 1

输出:

0 0 0
0 1 0
1 2 1

注意:

  1. 给定矩阵的元素个数不超过 10000。
  2. 给定矩阵中至少有一个元素是 0。
  3. 矩阵中的元素只在四个方向上相邻: 上、下、左、右。
  4. 题解:https://leetcode-cn.com/problems/01-matrix/solution/01ju-zhen-by-leetcode-solution/
class Solution {
public:
    /*
    方法一:广度优先搜索
    时间复杂度:O(rc),其中 r 为矩阵行数,c 为矩阵列数,即矩阵元素个数。广度优先搜索中每个位置最多只会被加入队列一次,因此只需要 O(rc) 的时间复杂度。
    空间复杂度:O(rc),其中 r 为矩阵行数,c 为矩阵列数,即矩阵元素个数。除答案数组外,最坏情况下矩阵里所有元素都为 0,全部被加入队列中,此时需要 O(rc) 的空间复杂度。
    执行用时 :164 ms, 在所有 C++ 提交中击败了30.45%的用户
    内存消耗 :28 MB, 在所有 C++ 提交中击败了66.67%的用户*/
    vector<vector<int>> updateMatrix(vector<vector<int>>& matrix) {
        int dir[4][2]={{-1,0},{1,0},{0,-1},{0,1}};
        int m=matrix.size(),n=matrix[0].size();
        queue<pair<int,int> > q;
        vector<vector<int> > vis(m,vector<int>(n));
        vector<vector<int> > dis(m,vector<int>(n));
        for(int i=0;i<m;i++){
            for(int j=0;j<n;j++){
                if(matrix[i][j]==0){
                    q.push(make_pair(i,j));
                    vis[i][j]=1;
                }
            }
        }
        while(!q.empty()){
            auto [i,j]=q.front();
            q.pop();
            for(int d=0;d<4;d++){
                int x=i+dir[d][0],y=j+dir[d][1];
                if(x>=0 && y>=0 && x<m && y<n && vis[x][y]==0){
                    dis[x][y]=dis[i][j]+1;
                    q.push(make_pair(x,y));
                    vis[x][y]=1;
                }
            }
        }
        return dis;
    }
};
class Solution {
public:
    /*
    方法二:动态规划
    执行用时 :216 ms, 在所有 C++ 提交中击败了23.52%的用户
    内存消耗 :22.9 MB, 在所有 C++ 提交中击败了100.00%的用户
    时间复杂度:O(rc),其中 r 为矩阵行数,c 为矩阵列数。计算 dis 数组的过程中我们需要遍历四次矩阵,因此时间复杂度为 O(4rc)=O(rc)。
    空间复杂度:O(1),这里我们只计算额外的空间复杂度。除了答案数组以外,我们只需要常数空间存放若干变量。
    */
    vector<vector<int>> updateMatrix(vector<vector<int>>& matrix) {
        int m=matrix.size(),n=matrix[0].size();
        vector<vector<int> > dis(m,vector<int>(n,INT_MAX/2));
        for(int i=0;i<m;i++){
            for(int j=0;j<n;j++){
                if(matrix[i][j]==0) dis[i][j]=0;
            }
        }
        //只有向左和向上
        for(int i=0;i<m;i++){
            for(int j=0;j<n;j++){
                if(i-1>=0) dis[i][j]=min(dis[i][j],dis[i-1][j]+1);
                if(j-1>=0) dis[i][j]=min(dis[i][j],dis[i][j-1]+1);
            }
        }
        //只有向右和向上
        for(int i=0;i<m;i++){
            for(int j=n-1;j>=0;j--){
                if(i-1>=0) dis[i][j]=min(dis[i][j],dis[i-1][j]+1);
                if(j+1<n) dis[i][j]=min(dis[i][j],dis[i][j+1]+1);
            }
        }
        //只有向左和向下
        for(int i=m-1;i>=0;i--){
            for(int j=0;j<n;j++){
                if(i+1<m) dis[i][j]=min(dis[i][j],dis[i+1][j]+1);
                if(j-1>=0) dis[i][j]=min(dis[i][j],dis[i][j-1]+1);
            }
        }
        //只有向右和向下
        for(int i=m-1;i>=0;i--){
            for(int j=n-1;j>=0;j--){
                if(i+1<m) dis[i][j]=min(dis[i][j],dis[i+1][j]+1);
                if(j+1<n) dis[i][j]=min(dis[i][j],dis[i][j+1]+1);
            }
        }
        return dis;
    }
};
class Solution {
public:
    /*
    方法三:动态规划的常数优化
    执行用时 :156 ms, 在所有 C++ 提交中击败了32.18%的用户
    内存消耗 :22.9 MB, 在所有 C++ 提交中击败了100.00%的用户
    时间复杂度:O(rc),其中 r 为矩阵行数,c 为矩阵列数。计算 dis 数组的过程中我们需要遍历2次矩阵,因此时间复杂度为 O(2rc)=O(rc)。
    空间复杂度:O(1),这里我们只计算额外的空间复杂度。除了答案数组以外,我们只需要常数空间存放若干变量。
    */
    vector<vector<int>> updateMatrix(vector<vector<int>>& matrix) {
        int m=matrix.size(),n=matrix[0].size();
        vector<vector<int> > dis(m,vector<int>(n,INT_MAX/2));
        for(int i=0;i<m;i++){
            for(int j=0;j<n;j++){
                if(matrix[i][j]==0) dis[i][j]=0;
            }
        }
        //只有向左和向上
        for(int i=0;i<m;i++){
            for(int j=0;j<n;j++){
                if(i-1>=0) dis[i][j]=min(dis[i][j],dis[i-1][j]+1);
                if(j-1>=0) dis[i][j]=min(dis[i][j],dis[i][j-1]+1);
            }
        }
        //只有向右和向下
        for(int i=m-1;i>=0;i--){
            for(int j=n-1;j>=0;j--){
                if(i+1<m) dis[i][j]=min(dis[i][j],dis[i+1][j]+1);
                if(j+1<n) dis[i][j]=min(dis[i][j],dis[i][j+1]+1);
            }
        }
        return dis;
    }
};

 

  • 0
    点赞
  • 2
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
R语言的Matrix包是一个用于扩展基本矩阵数据类型的包,它提供了一组S4类和各种函数和运算符方法,用于处理密集和稀疏矩阵。你可以使用install.packages("Matrix")和library(Matrix)来安装和加载Matrix包。该包还提供了一些常用的函数和方法,比如对行和列求和、求均值,以及读取和写出稀疏矩阵等操作。你可以使用log2标准化函数对稀疏矩阵进行log2变换,使用rowSums、rowMeans、colSums和colMeans函数分别对行和列进行求和和求均值。同时,你还可以使用readMM函数读取稀疏矩阵的数据,并使用writeMM函数将稀疏矩阵写出为矩阵文件,并使用gzip命令对文件进行压缩。另外,你还可以使用Matrix::Matrix函数创建列压缩的稀疏矩阵对象。在R语言中,有三种稀疏矩阵对象,它们的结构可以通过str函数来查看。总之,Matrix包为R语言提供了强大的矩阵处理功能。<span class="em">1</span><span class="em">2</span><span class="em">3</span> #### 引用[.reference_title] - *1* *2* *3* [R语言-稀疏矩阵对象格式学习-重点理解稀疏矩阵对象的重构](https://blog.csdn.net/Nh_code/article/details/125341918)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v93^chatsearchT3_1"}}] [.reference_item style="max-width: 100%"] [ .reference_list ]

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值