5472. 重新排列字符串
题目难度Easy
给你一个字符串 s 和一个 长度相同 的整数数组 indices 。
请你重新排列字符串 s ,其中第 i 个字符需要移动到 indices[i] 指示的位置。
返回重新排列后的字符串。
示例 1:
输入:s = “codeleet”, indices = [4,5,6,7,0,2,1,3]
输出:“leetcode”
解释:如图所示,“codeleet” 重新排列后变为 “leetcode” 。
示例 2:
输入:s = “abc”, indices = [0,1,2]
输出:“abc”
解释:重新排列后,每个字符都还留在原来的位置上。
示例 3:
输入:s = “aiohn”, indices = [3,1,4,2,0]
输出:“nihao”
示例 4:
输入:s = “aaiougrt”, indices = [4,0,2,6,7,3,1,5]
输出:“arigatou”
示例 5:
输入:s = “art”, indices = [1,0,2]
输出:“rat”
提示:
s.length == indices.length == n
1 <= n <= 100
s 仅包含小写英文字母。
0 <= indices[i] < n
indices 的所有的值都是唯一的(也就是说,indices 是整数 0 到 n - 1 形成的一组排列)。
代码
class Solution:
def restoreString(self, s: str, indices: List[int]) -> str:
ret = list(s)
for i, idx in enumerate(indices):
ret[idx] = s[i]
return ''.join(ret)
5473. 灯泡开关 IV
题目难度Medium
房间中有 n 个灯泡,编号从 0 到 n-1 ,自左向右排成一行。最开始的时候,所有的灯泡都是 关 着的。
请你设法使得灯泡的开关状态和 target 描述的状态一致,其中 target[i] 等于 1 第 i 个灯泡是开着的,等于 0 意味着第 i 个灯是关着的。
有一个开关可以用于翻转灯泡的状态,翻转操作定义如下:
选择当前配置下的任意一个灯泡(下标为 i )
翻转下标从 i 到 n-1 的每个灯泡
翻转时,如果灯泡的状态为 0 就变为 1,为 1 就变为 0 。
返回达成 target 描述的状态所需的 最少 翻转次数。
示例 1:
输入:target = “10111”
输出:3
解释:初始配置 “00000”.
从第 3 个灯泡(下标为 2)开始翻转 “00000” -> “00111”
从第 1 个灯泡(下标为 0)开始翻转 “00111” -> “11000”
从第 2 个灯泡(下标为 1)开始翻转 “11000” -> “10111”
至少需要翻转 3 次才能达成 target 描述的状态
示例 2:
输入:target = “101”
输出:3
解释:“000” -> “111” -> “100” -> “101”.
示例 3:
输入:target = “00000”
输出:0
示例 4:
输入:target = “001011101”
输出:5
提示:
1 <= target.length <= 10^5
target[i] == ‘0’ 或者 target[i] == ‘1’
思路
从左到右遍历字符串,每次相邻两个字符从0到1或从1到0变化则经过一次翻转
代码
class Solution {
public int minFlips(String target) {
int cnt = 0;
char pre = '0';
for (char ch: target.toCharArray()) {
if (ch == '1' && pre == '0') {
++cnt;
} else if (ch == '0' && pre == '1') {
++cnt;
}
pre = ch;
}
return cnt;
}
}
5474. 好叶子节点对的数量
题目难度Medium
给你二叉树的根节点 root 和一个整数 distance 。
如果二叉树中两个 叶 节点之间的 最短路径长度 小于或者等于 distance ,那它们就可以构成一组 好叶子节点对 。
返回树中 好叶子节点对的数量 。
示例 1:
输入:root = [1,2,3,null,4], distance = 3
输出:1
解释:树的叶节点是 3 和 4 ,它们之间的最短路径的长度是 3 。这是唯一的好叶子节点对。
示例 2:
输入:root = [1,2,3,4,5,6,7], distance = 3
输出:2
解释:好叶子节点对为 [4,5] 和 [6,7] ,最短路径长度都是 2 。但是叶子节点对 [4,6] 不满足要求,因为它们之间的最短路径长度为 4 。
示例 3:
输入:root = [7,1,4,6,null,5,3,null,null,null,null,null,2], distance = 3
输出:1
解释:唯一的好叶子节点对是 [2,5] 。
示例 4:
输入:root = [100], distance = 1
输出:0
示例 5:
输入:root = [1,1,1], distance = 2
输出:1
提示:
tree 的节点数在 [1, 2^10] 范围内。
每个节点的值都在 [1, 100] 之间。
1 <= distance <= 10
思路
深搜递归,dfs函数返回以该节点为根的子树的叶子节点深度到此深度的叶子节点个数的哈希表,从而计算左右两个子树之间的『好叶子节点对』的数量。
代码
/**
* Definition for a binary tree node.
* public class TreeNode {
* int val;
* TreeNode left;
* TreeNode right;
* TreeNode() {}
* TreeNode(int val) { this.val = val; }
* TreeNode(int val, TreeNode left, TreeNode right) {
* this.val = val;
* this.left = left;
* this.right = right;
* }
* }
*/
class Solution {
private int ret = 0;
private HashMap<Integer, Integer> dfs(TreeNode root, int distance) {
HashMap<Integer, Integer> depthMap = new HashMap<>(); // depth -> number of nodes
if (root.left == null && root.right == null) {
depthMap.put(0, 1);
return depthMap;
}
HashMap<Integer, Integer> leftMap = null, rightMap = null;
if (root.left != null) {
leftMap = dfs(root.left, distance);
HashMap<Integer, Integer> tmp = new HashMap<>();
for (Map.Entry<Integer, Integer> entry : leftMap.entrySet()) {
tmp.put(entry.getKey() + 1, entry.getValue());
}
leftMap = tmp;
}
if (root.right != null) {
rightMap = dfs(root.right, distance);
HashMap<Integer, Integer> tmp = new HashMap<>();
for (Map.Entry<Integer, Integer> entry : rightMap.entrySet()) {
tmp.put(entry.getKey() + 1, entry.getValue());
}
rightMap = tmp;
}
if (leftMap != null && rightMap != null) {
HashMap<Integer, Integer> tmp = new HashMap<>(rightMap);
leftMap.forEach((k, v) -> {
tmp.forEach((k1, v1) -> {
if ((k + k1) <= distance) {
ret += v * v1;
}
});
});
for (Map.Entry<Integer, Integer> entry : rightMap.entrySet()) {
int rightDepth = entry.getKey();
if (leftMap.containsKey(rightDepth)) {
leftMap.put(rightDepth, entry.getValue() + leftMap.get(rightDepth));
} else {
leftMap.put(rightDepth, entry.getValue());
}
}
return leftMap;
}
return leftMap == null? rightMap: leftMap;
}
public int countPairs(TreeNode root, int distance) {
ret = 0;
dfs(root, distance);
return ret;
}
}
5462. 压缩字符串 II
题目难度Hard
行程长度编码 是一种常用的字符串压缩方法,它将连续的相同字符(重复 2 次或更多次)替换为字符和表示字符计数的数字(行程长度)。例如,用此方法压缩字符串 “aabccc” ,将 “aa” 替换为 “a2” ,“ccc” 替换为` “c3” 。因此压缩后的字符串变为 “a2bc3” 。
注意,本问题中,压缩时没有在单个字符后附加计数 ‘1’ 。
给你一个字符串 s 和一个整数 k 。你需要从字符串 s 中删除最多 k 个字符,以使 s 的行程长度编码长度最小。
请你返回删除最多 k 个字符后,s 行程长度编码的最小长度 。
示例 1:
输入:s = “aaabcccd”, k = 2
输出:4
解释:在不删除任何内容的情况下,压缩后的字符串是 “a3bc3d” ,长度为 6 。最优的方案是删除 ‘b’ 和 ‘d’,这样一来,压缩后的字符串为 “a3c3” ,长度是 4 。
示例 2:
输入:s = “aabbaa”, k = 2
输出:2
解释:如果删去两个 ‘b’ 字符,那么压缩后的字符串是长度为 2 的 “a4” 。
示例 3:
输入:s = “aaaaaaaaaaa”, k = 0
输出:3
解释:由于 k 等于 0 ,不能删去任何字符。压缩后的字符串是 “a11” ,长度为 3 。
提示:
1 <= s.length <= 100
0 <= k <= s.length
s 仅包含小写英文字母
思路
动态规划。dp[i][j]
表示从i
开始的字符串最多删除j
个元素之后的最短行程编码长度。状态转移按每个字符是否需要删掉进行讨论。
代码
class Solution {
public int getLengthOfOptimalCompression(String s, int k) {
int n = s.length();
int[][] dp = new int[n+1][k+1];
for (int i=0; i<n; ++i) {
Arrays.fill(dp[i], Integer.MAX_VALUE);
}
Arrays.fill(dp[n], 0);
for (int i=n-1; i>=0; --i) {
for (int j=0; j<=k; ++j) {
if (j > 0) {
dp[i][j] = Math.min(dp[i+1][j-1], dp[i][j]);
}
int cont = 1, remain = j;
for (int cur=i+1; cur<=n; ++cur) {
dp[i][j] = Math.min(dp[cur][remain] + 1 + (cont >= 100? 3: (cont >= 10? 2: (cont > 1? 1: 0))), dp[i][j]);
if (cur == n) {
break;
}
if (s.charAt(cur) == s.charAt(i)) {
++cont;
} else {
if (remain == 0) {
break;
}
--remain;
}
}
}
}
return dp[0][k];
}
}