Leetcode[哈希] 字母异位词分组

0 题目描述

leetcode原题链接：字母异位词分组

1 哈希算法

当且仅当它们的排序字符串相等时，两个字符串是字母异位词。
算法：
维护一个映射 dicts : {String -> List}，其中每个键 $K$ 是一个排序字符串，每个值是初始输入的字符串列表，排序后等于 $K$ 。
我们将键存储为字符串，例如，code。 在 Python 中，我们将键存储为散列化元组，例如，(‘c’, ‘o’, ‘d’, ‘e’)。

class Solution(object):
    def groupAnagrams(self, strs):
        dicts = collections.defaultdict(list)
        for s in strs:
            dicts[tuple(sorted(s))].append(s)
        return list(dicts.values())

复杂度分析
时间复杂度：$O(NK\log K)$，其中 $N$ 是 strs 的长度，而 $K$ 是 strs 中字符串的最大长度。当我们遍历每个字符串时，外部循环具有的复杂度为 $O(N)$。然后，我们在 $O(K\log K)$ 的时间内对每个字符串排序。
空间复杂度：$O(NK)$，排序存储在 dicts 中的全部信息内容。

2 计数分类

当且仅当它们的字符计数（每个字符的出现次数）相同时，两个字符串是字母异位词。
算法:
我们可以将每个字符串strs 转换为字符数count，由26个非负整数组成，表示a，b，c 的数量等。我们使用这些计数作为哈希映射的基础。

class Solution:
    def groupAnagrams(self,strs):
        dicts = collections.defaultdict(list)
        for s in strs:
            count = [0] * 26
            for c in s:
                count[ord(c) - ord('a')] += 1
            dicts[tuple(count)].append(s)
        return list(dicts.values())

复杂度分析
时间复杂度：$O(NK)$，其中 $N$ 是 strs 的长度，而 $K$ 是 strs 中字符串的最大长度。计算每个字符串的字符串大小是线性的，我们统计每个字符串。
空间复杂度：$O(NK)$，排序存储在 dicts 中的全部信息内容。

参考资料

有效的字母异位词 – 哈希算法
字母异位词分组