LeetCode题目74:搜索二维矩阵

数据分析螺丝钉

已于 2024-04-28 07:29:23 修改

阅读量1k

点赞数 18

分类专栏： LeetCode解锁1000题: 打怪升级之旅文章标签： leetcode 算法 python 经验分享开发语言

于 2024-04-28 00:02:28 首次发布

本文链接：https://blog.csdn.net/cciehl/article/details/138256113

版权

LeetCode解锁1000题: 打怪升级之旅专栏收录该内容

131 篇文章 7 订阅

订阅专栏

作者介绍：10年大厂数据\经营分析经验，现任大厂数据部门负责人。
会一些的技术：数据分析、算法、SQL、大数据相关、python
欢迎加入社区：码上找工作
作者专栏每日更新：
LeetCode解锁1000题: 打怪升级之旅
 python数据分析可视化：企业实战案例
 python源码解读
备注说明：方便大家阅读，统一使用python，带必要注释，公众号数据分析螺丝钉一起打怪升级

题目描述

编写一个高效的算法来判断 m x n 矩阵中，是否存在一个目标值。该矩阵具有如下特性：

每行中的整数从左到右按升序排列。
每行的第一个整数大于前一行的最后一个整数。

输入格式

matrix：一个二维整数数组。
target：一个整数，表示需要查找的目标值。

输出格式

返回一个布尔值，表示矩阵中是否存在目标值。

示例

示例 1

输入:
matrix = [
  [1,   3,  5,  7],
  [10, 11, 16, 20],
  [23, 30, 34, 50]
],
target = 3
输出: true

示例 2

输入:
matrix = [
  [1,   3,  5,  7],
  [10, 11, 16, 20],
  [23, 30, 34, 50]
],
target = 13
输出: false

方法一：二分查找

解题步骤

将二维矩阵映射为一维数组：利用矩阵行列的关系，将二维索引转换为一维索引进行二分查找。
计算一维索引对应的行和列：一维索引 mid 可以映射回二维索引 matrix[mid // n][mid % n]，其中 n 是矩阵的列数。

完整的规范代码

def searchMatrix(matrix, target):
    """
    使用二分查找判断矩阵中是否存在目标值
    :param matrix: List[List[int]], 输入的二维矩阵
    :param target: int, 需要查找的目标值
    :return: bool, 矩阵中是否存在目标值
    """
    if not matrix or not matrix[0]:
        return False
    m, n = len(matrix), len(matrix[0])
    left, right = 0, m * n - 1
    while left <= right:
        mid = (left + right) // 2
        mid_value = matrix[mid // n][mid % n]
        if mid_value == target:
            return True
        elif mid_value < target:
            left = mid + 1
        else:
            right = mid - 1
    return False

# 示例调用
print(searchMatrix([[1, 3, 5, 7], [10, 11, 16, 20], [23, 30, 34, 50]], 3))  # 输出: True
print(searchMatrix([[1, 3, 5, 7], [10, 11, 16, 20], [23, 30, 34, 50]], 13))  # 输出: False

算法分析

时间复杂度：(O(\log(m \times n)))，其中 m 和 n 是矩阵的行数和列数。
空间复杂度：(O(1))，不使用额外空间。

方法二：逐行二分查找

解题步骤

遍历每一行：对矩阵的每一行使用二分查找。
应用二分查找：在每一行中应用二分查找算法查找目标值。

完整的规范代码

def searchMatrix(matrix, target):
    """
    对矩阵的每一行进行二分查找
    :param matrix: List[List[int]], 输入的二维矩阵
    :param target: int, 需要查找的目标值
    :return: bool, 矩阵中是否存在目标值
    """
    n = len(matrix[0])
    for row in matrix:
        left, right = 0, n - 1
        while left <= right:
            mid = (left + right) // 2
            if row[mid] == target:
                return True
            elif row[mid] < target:
                left = mid + 1
            else:
                right = mid - 1
    return False

# 示例调用
print(searchMatrix([[1, 3, 5, 7], [10, 11, 16, 20], [23, 30, 34, 50]], 3))  # 输出: True
print(searchMatrix([[1, 3, 5, 7], [10, 11, 16, 20], [23, 30, 34, 50]], 13))  # 输出: False

算法分析

时间复杂度：(O(m \log n))，每行执行一次二分查找。
空间复杂度：(O(1))，不需要额外空间。

方法三：分块查找

解题步骤

分块：将矩阵视为多个块，每个块是一行。
分块二分查找：对每个块应用二分查找。

完整的规范代码

def searchMatrix(matrix, target):
    """
    使用分块的方法查找矩阵中的目标值
    :param matrix: List[List[int]], 输入的二维矩阵
    :param target: int, 需要查找的目标值
    :return: bool, 矩阵中是否存在目标值
    """
    row, col = 0, len(matrix[0]) - 1
    while row < len(matrix) and col >= 0:
        if matrix[row][col] == target:
            return True
        elif matrix[row][col] > target:
            col -= 1
        else:
            row += 1
    return False

# 示例调用
print(searchMatrix([[1, 3, 5, 7], [10, 11, 16, 20], [23, 30, 34, 50]], 3))  # 输出: True
print(searchMatrix([[1, 3, 5, 7], [10, 11, 16, 20], [23, 30, 34, 50]], 13))  # 输出: False

算法分析

时间复杂度：(O(m + n))，最坏情况下需要遍历矩阵的一行和一列。
空间复杂度：(O(1))，使用固定的空间。

方法四：逐行查找

解题步骤

逐行查找：遍历每一行，对每一行使用线性搜索。
线性搜索：在每行中线性地查找目标值。

完整的规范代码

def searchMatrix(matrix, target):
    """
    使用逐行查找的方法查找矩阵中的目标值
    :param matrix: List[List[int]], 输入的二维矩阵
    :param target: int, 需要查找的目标值
    :return: bool, 矩阵中是否存在目标值
    """
    for row in matrix:
        if target in row:
            return True
    return False

# 示例调用
print(searchMatrix([[1, 3, 5, 7], [10, 11, 16, 20], [23, 30, 34, 50]], 3))  # 输出: True
print(searchMatrix([[1, 3, 5, 7], [10, 11, 16, 20], [23, 30, 34, 50]], 13))  # 输出: False

算法分析

时间复杂度：(O(m \times n))，最坏情况下需要检查每个元素。
空间复杂度：(O(1))，不使用额外空间。

方法五：对角线查找

解题步骤

对角线遍历：从矩阵的右上角开始，根据目标值与当前值的比较决定是向左移动还是向下移动。
对角线移动：如果当前值大于目标值，则向左移动；如果当前值小于目标值，则向下移动。

完整的规范代码

def searchMatrix(matrix, target):
    """
    使用对角线查找方法查找矩阵中的目标值
    :param matrix: List[List[int]], 输入的二维矩阵
    :param target: int, 需要查找的目标值
    :return: bool, 矩阵中是否存在目标值
    """
    if not matrix:
        return False
    row, col = 0, len(matrix[0]) - 1
    while row < len(matrix) and col >= 0:
        if matrix[row][col] == target:
            return True
        elif matrix[row][col] > target:
            col -= 1
        else:
            row += 1
    return False

# 示例调用
print(searchMatrix([[1, 3, 5, 7], [10, 11, 16, 20], [23, 30, 34, 50]], 3))  # 输出: True
print(searchMatrix([[1, 3, 5, 7], [10, 11, 16, 20], [23, 30, 34, 50]], 13))  # 输出: False

算法分析

时间复杂度：(O(m + n))，可能需要遍历矩阵的一行或一列。
空间复杂度：(O(1))，使用固定的空间。

不同算法的优劣势对比

特征	方法一：二分查找	方法二：逐行二分查找	方法三：分块查找	方法四：逐行查找	方法五：对角线查找
时间复杂度	(O(log(m * n)))	(O(m log n))	(O(m + n))	(O(m * n))	(O(m + n))
空间复杂度	(O(1))	(O(1))	(O(1))	(O(1))	(O(1))
优势	高效，适用于大矩阵	针对行有序的优化	快速且直观	简单易实现	从右上角开始，直观
劣势	需要理解一维映射	多次二分查找	需要理解移动规则	效率较低	需要理解移动逻辑