0.总结
- 简单dp题
1.题目
2.思想
根据数据规模,可以看到本题需要使用dp
(1)dp[i][j]
表示到 坐标[i,j]
的最小路径和
(2)递推公式: dp[i][j] = min(dp[i][j-1],dp[i-1][j]) + grid[i][j]
,需要注意一些边界条件【但是可以利用Python的一些方法来避免这种复杂的判断】。
3.代码
3.1 仔细判断边界版本
class Solution:
def minPathSum(self, grid: List[List[int]]) -> int:
row = len(grid)
col = len(grid[-1])
dp = [[0]*col for i in range(row)]
for i in range(row):
for j in range(col):
if i == 0:
dp[i][j] = dp[i][j-1] + grid[i][j]
elif j == 0:
dp[i][j] = dp[i-1][j] + grid[i][j]
else:
dp[i][j] = min(dp[i-1][j], dp[i][j-1]) + grid[i][j]
return dp[row-1][col-1]
因为这里申请的dp大小是刚刚好的,所以我在这个代码里面进行了详细的if i==0
,if j==0
的判断,为的就是防止数组越界。但是Python代码相比传统的C++/Java代码,有个特点是dp[-1]也是能取到值的。利用这个特点,写出下面这版代码:
3.2 一把梭哈版本
class Solution:
def minPathSum(self, grid: List[List[int]]) -> int:
m,n = len(grid),len(grid[0])
# 补充最后一行 + 一列
dp = [[9999 for i in range(n+1)] for j in range(m+1)]
for i in range(m):
for j in range(n):
if i == 0 and j == 0:
dp[0][0] = grid[0][0]
continue
dp[i][j] = min(dp[i][j-1],dp[i-1][j]) + grid[i][j]
# print(dp)
return dp[m-1][n-1]
利用Python的特性规避了复杂的边界判断,完美!