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
K
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
K
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
(
N
K
log
K
)
O(NK \log K)
O(NKlogK),其中
N
N
N 是 strs 的长度,而
K
K
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
)
O(N)
O(N)。然后,我们在
O
(
K
log
K
)
O(K \log K)
O(KlogK) 的时间内对每个字符串排序。
空间复杂度:
O
(
N
K
)
O(NK)
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
(
N
K
)
O(NK)
O(NK),其中
N
N
N 是 strs 的长度,而
K
K
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
(
N
K
)
O(NK)
O(NK),排序存储在 dicts 中的全部信息内容。