目录
一,网格图的路径压缩查找
323. 无向图中连通分量的数目
你有一个包含 n 个节点的图。给定一个整数 n 和一个数组 edges ,其中 edges[i] = [ai, bi] 表示图中 ai 和 bi 之间有一条边。
返回 图中已连接分量的数目 。
示例 1:
输入: n = 5, edges = [[0, 1], [1, 2], [3, 4]]
输出: 2
示例 2:
输入: n = 5, edges = [[0,1], [1,2], [2,3], [3,4]]
输出: 1
提示:
1 <= n <= 2000
1 <= edges.length <= 5000
edges[i].length == 2
0 <= ai <= bi < n
ai != bi
edges 中不会出现重复的边
int fa[2005];
int find(int x) //找祖先
{
if (fa[x] == x)return x;
return fa[x] = find(fa[x]);
}
class Solution {
public:
int countComponents(int n, vector<vector<int>>& edges) {
for (int i = 0; i < n; i++)fa[i] = i;
for (auto &ei : edges)fa[find(ei[0])] = find(ei[1]);
map<int, int>m;
for (int i = 0; i < n; i++)m[find(i)] = 1;
return m.size();
}
};
200. 岛屿数量
给你一个由 '1'(陆地)和 '0'(水)组成的的二维网格,请你计算网格中岛屿的数量。
岛屿总是被水包围,并且每座岛屿只能由水平方向和/或竖直方向上相邻的陆地连接形成。
此外,你可以假设该网格的四条边均被水包围。
示例 1:
输入:grid = [
["1","1","1","1","0"],
["1","1","0","1","0"],
["1","1","0","0","0"],
["0","0","0","0","0"]
]
输出:1
示例 2:
输入:grid = [
["1","1","0","0","0"],
["1","1","0","0","0"],
["0","0","1","0","0"],
["0","0","0","1","1"]
]
输出:3
提示:
m == grid.length
n == grid[i].length
1 <= m, n <= 300
grid[i][j] 的值为 '0' 或 '1'
int fa[100000];
int find(int x) //找祖先
{
if (fa[x] == x)return x;
return fa[x] = find(fa[x]);
}
class Solution {
public:
int id(int x, int y)
{
return x * col + y;
}
int numIslands(vector<vector<char>>& grid) {
col = grid[0].size();
for (int i = 0; i < grid.size(); i++)for (int j = 0; j < grid[0].size(); j++)
fa[id(i, j)] = id(i, j);
for (int i = 1; i < grid.size(); i++)for (int j = 0; j < grid[0].size(); j++)
if (grid[i][j] == '1' && grid[i - 1][j] == '1')if (find(id(i, j)) != find(id(i - 1, j)))fa[fa[id(i, j)]] = fa[id(i - 1, j)];
for (int i = 0; i < grid.size(); i++)for (int j = 1; j < grid[0].size(); j++)
if (grid[i][j] == '1' && grid[i][j - 1] == '1')if (find(id(i, j)) != find(id(i, j - 1)))fa[fa[id(i, j)]] = fa[id(i, j - 1)];
int ans = 0;
for (int i = 0; i < grid.size(); i++)for (int j = 0; j < grid[0].size(); j++)
if (grid[i][j] == '1' && fa[id(i, j)] == id(i, j))ans++;
return ans;
}
int col;
};
LCS 03. 主题空间
「以扣会友」线下活动所在场地由若干主题空间与走廊组成,场地的地图记作由一维字符串型数组 grid
,字符串中仅包含 "0"~"5"
这 6 个字符。地图上每一个字符代表面积为 1 的区域,其中 "0"
表示走廊,其他字符表示主题空间。相同且连续(连续指上、下、左、右四个方向连接)的字符组成同一个主题空间。
假如整个 grid
区域的外侧均为走廊。请问,不与走廊直接相邻的主题空间的最大面积是多少?如果不存在这样的空间请返回 0
。
示例 1:
输入:
grid = ["110","231","221"]
输出:
1
解释:4 个主题空间中,只有 1 个不与走廊相邻,面积为 1。
示例 2:
输入:
grid = ["11111100000","21243101111","21224101221","11111101111"]
输出:
3
解释:8 个主题空间中,有 5 个不与走廊相邻,面积分别为 3、1、1、1、2,最大面积为 3。
提示:
1 <= grid.length <= 500
1 <= grid[i].length <= 500
grid[i][j]
仅可能是"0"~"5"
class Solution {
public:
int largestArea(vector<string>& grid) {
int r = grid.size(), c = grid[0].length();
Union un(r*c);
for (int i = 0; i < r; i++) {
for (int j = 0; j < c; j++) {
if (i) {
if (grid[i][j] == grid[i - 1][j] || grid[i][j] == '0' || grid[i - 1][j] == '0')un.merge(i*c + j, i*c + j - c);
}
if (j) {
if (grid[i][j] == grid[i][j-1] || grid[i][j] == '0' || grid[i][j-1] == '0')un.merge(i*c + j, i*c + j - 1);
}
}
}
map<int, int>m;
for (int i = 0; i < r; i++) {
for (int j = 0; j < c; j++) {
if (i == 0 || j == 0 || i == r - 1 || j == c - 1 || grid[i][j] == '0')m[un.find(i*c + j)]++;
}
}
vector<vector<int>> v = un.getGroups();
int ans = 0;
for (auto vi : v)if (m[un.find(vi[0])] == 0)ans = max(ans, int(vi.size()));
return ans;
}
};
305. 岛屿数量 II
给你一个大小为 m x n
的二进制网格 grid
。网格表示一个地图,其中,0
表示水,1
表示陆地。最初,grid
中的所有单元格都是水单元格(即,所有单元格都是 0
)。
可以通过执行 addLand
操作,将某个位置的水转换成陆地。给你一个数组 positions
,其中 positions[i] = [ri, ci]
是要执行第 i
次操作的位置 (ri, ci)
。
返回一个整数数组 answer
,其中 answer[i]
是将单元格 (ri, ci)
转换为陆地后,地图中岛屿的数量。
岛屿 的定义是被「水」包围的「陆地」,通过水平方向或者垂直方向上相邻的陆地连接而成。你可以假设地图网格的四边均被无边无际的「水」所包围。
示例 1:
输入:m = 3, n = 3, positions = [[0,0],[0,1],[1,2],[2,1]] 输出:[1,1,2,3] 解释: 起初,二维网格grid
被全部注入「水」。(0 代表「水」,1 代表「陆地」) - 操作 #1:addLand(0, 0)
将grid[0][0]
的水变为陆地。此时存在 1 个岛屿。 - 操作 #2:addLand(0, 1)
将grid[0][1]
的水变为陆地。此时存在 1 个岛屿。 - 操作 #3:addLand(1, 2)
将grid[1][2]
的水变为陆地。此时存在 2 个岛屿。 - 操作 #4:addLand(2, 1)
将grid[2][1]
的水变为陆地。此时存在 3 个岛屿。
示例 2:
输入:m = 1, n = 1, positions = [[0,0]] 输出:[1]
提示:
1 <= m, n, positions.length <= 104
1 <= m * n <= 104
positions[i].length == 2
0 <= ri < m
0 <= ci < n
进阶:你可以设计一个时间复杂度 O(k log(mn))
的算法解决此问题吗?(其中 k == positions.length
)
class Solution {
public:
vector<int> numIslands2(int m, int n, vector<vector<int>>& positions) {
Union un(m*n);
vector<int>ans;
int s=0;
vector<int>dr{1,-1,0,0};
vector<int>dc{0,0,1,-1};
vector<vector<int>>x(m,vector<int>(n,0));
for(auto v:positions){
if(x[v[0]][v[1]]==1){
ans.push_back(ans.back());
continue;
}
int id=v[0]*n+v[1];
s++;
for(int i=0;i<4;i++){
if(v[0]+dr[i]>=0&&v[0]+dr[i]<m&&v[1]+dc[i]>=0&&v[1]+dc[i]<n&&x[v[0]+dr[i]][v[1]+dc[i]]==1&&!un.inSame(id,id+dr[i]*n+dc[i])){
un.merge(id,id+dr[i]*n+dc[i]);
s--;
}
}
x[v[0]][v[1]]=1;
ans.push_back(s);
}
return ans;
}
};
1102. 得分最高的路径
给定一个 m x n
的整数矩阵 grid
,返回从 (0,0)
开始到 (m - 1, n - 1)
在四个基本方向上移动的路径的最大 分数 。
一条路径的 分数 是该路径上的最小值。
- 例如,路径
8 → 4 → 5 → 9
的得分为4
。
示例 1:
输入:grid = [[5,4,5],[1,2,6],[7,4,6]] 输出:4 解释:得分最高的路径用黄色突出显示。
示例 2:
输入:grid = [[2,2,1,2,2,2],[1,2,2,2,1,2]] 输出:2
示例 3:
输入:grid = [[3,4,6,3,4],[0,2,1,1,7],[8,8,3,2,7],[3,2,4,9,8],[4,1,2,0,0],[4,6,5,4,3]] 输出:3
提示:
m == grid.length
n == grid[i].length
1 <= m, n <= 100
0 <= grid[i][j] <= 109
思路:和305. 岛屿数量 II类似。
class Solution {
public:
int numIslands2(int m, int n, vector<vector<int>>& positions) {
Union un(m*n);
vector<int>dr{1,-1,0,0};
vector<int>dc{0,0,1,-1};
vector<vector<int>>x(m,vector<int>(n,0));
for(int i=positions.size()-1;i>=0;i--){
auto &v=positions[i];
int id=v[0]*n+v[1];
for(int i=0;i<4;i++){
if(v[0]+dr[i]>=0&&v[0]+dr[i]<m&&v[1]+dc[i]>=0&&v[1]+dc[i]<n&&x[v[0]+dr[i]][v[1]+dc[i]]==1&&!un.inSame(id,id+dr[i]*n+dc[i])){
un.merge(id,id+dr[i]*n+dc[i]);
}
}
x[v[0]][v[1]]=1;
if(un.inSame(0, m*n-1)){
return i;
}
}
return 0;
}
int maximumMinimumPath(vector<vector<int>>& grid) {
int m=grid.size(), n=grid[0].size();
map<int,vector<vector<int>>>mp;
for(int i=0;i<grid.size();i++){
for(int j=0;j<grid[0].size();j++){
mp[grid[i][j]].push_back(vector<int>{i,j});
}
}
vector<vector<int>> positions;
for(auto &mi:mp){
for(auto vi:mi.second)positions.push_back(vi);
}
int id = numIslands2(grid.size(),grid[0].size(),positions);
return grid[positions[id][0]][positions[id][1]];
}
};
1254. 统计封闭岛屿的数目
二维矩阵 grid 由 0 (土地)和 1 (水)组成。岛是由最大的4个方向连通的 0 组成的群,封闭岛是一个 完全 由1包围(左、上、右、下)的岛。
请返回 封闭岛屿 的数目。
示例 1:
输入:grid = [[1,1,1,1,1,1,1,0],[1,0,0,0,0,1,1,0],[1,0,1,0,1,1,1,0],[1,0,0,0,0,1,0,1],[1,1,1,1,1,1,1,0]]
输出:2
解释:
灰色区域的岛屿是封闭岛屿,因为这座岛屿完全被水域包围(即被 1 区域包围)。
示例 2:
输入:grid = [[0,0,1,0,0],[0,1,0,1,0],[0,1,1,1,0]]
输出:1
示例 3:
输入:grid = [[1,1,1,1,1,1,1],
[1,0,0,0,0,0,1],
[1,0,1,1,1,0,1],
[1,0,1,0,1,0,1],
[1,0,1,1,1,0,1],
[1,0,0,0,0,0,1],
[1,1,1,1,1,1,1]]
输出:2
提示:
1 <= grid.length, grid[0].length <= 100
0 <= grid[i][j] <=1
int fa[100000];
int find(int x) //找祖先
{
if (fa[x] == x)return x;
return fa[x] = find(fa[x]);
}
class Solution {
public:
int id(int x, int y)
{
return x * col + y;
}
int closedIsland(vector<vector<int>>& grid) {
col = grid[0].size();
for (int i = 0; i < grid.size(); i++)for (int j = 0; j < grid[0].size(); j++)
fa[id(i, j)] = id(i, j);
for (int i = 1; i < grid.size(); i++)for (int j = 0; j < grid[0].size(); j++)
if (grid[i][j] == 0 && grid[i - 1][j] == 0)if (find(id(i, j)) != find(id(i - 1, j)))fa[fa[id(i, j)]] = fa[id(i - 1, j)];
for (int i = 0; i < grid.size(); i++)for (int j = 1; j < grid[0].size(); j++)
if (grid[i][j] == 0 && grid[i][j - 1] == 0)if (find(id(i, j)) != find(id(i, j - 1)))fa[fa[id(i, j)]] = fa[id(i, j - 1)];
int ans = 0;
map<int,int>m;
for (int i = 0; i < grid.size(); i++)for (int j = 0; j < grid[0].size(); j++){
if(grid[i][j])continue;
if (fa[id(i, j)] == id(i, j))ans++;
if(i==0||i==grid.size()-1 || j==0 || j==grid[0].size()-1)m[find(id(i, j))];
}
cout<<ans<<m.size();
return ans-m.size();
}
int col;
};
419. 甲板上的战舰
给你一个大小为 m x n 的矩阵 board 表示甲板,其中,每个单元格可以是一艘战舰 'X' 或者是一个空位 '.' ,返回在甲板 board 上放置的 战舰 的数量。
战舰 只能水平或者垂直放置在 board 上。换句话说,战舰只能按 1 x k(1 行,k 列)或 k x 1(k 行,1 列)的形状建造,其中 k 可以是任意大小。两艘战舰之间至少有一个水平或垂直的空位分隔 (即没有相邻的战舰)。
示例 1:
输入:board = [["X",".",".","X"],[".",".",".","X"],[".",".",".","X"]]
输出:2
示例 2:
输入:board = [["."]]
输出:0
提示:
m == board.length
n == board[i].length
1 <= m, n <= 200
board[i][j] 是 '.' 或 'X'
进阶:你可以实现一次扫描算法,并只使用 O(1) 额外空间,并且不修改 board 的值来解决这个问题吗?
这题其实是力扣 200. 岛屿数量的退化。
int fa[100000];
int find(int x) //找祖先
{
if (fa[x] == x)return x;
return fa[x] = find(fa[x]);
}
class Solution {
public:
int id(int x, int y)
{
return x * col + y;
}
int countBattleships(vector<vector<char>>& grid) {
col = grid[0].size();
for (int i = 0; i < grid.size(); i++)for (int j = 0; j < grid[0].size(); j++)
fa[id(i, j)] = id(i, j);
for (int i = 1; i < grid.size(); i++)for (int j = 0; j < grid[0].size(); j++)
if (grid[i][j] == 'X' && grid[i - 1][j] == 'X')if (find(id(i, j)) != find(id(i - 1, j)))fa[fa[id(i, j)]] = fa[id(i - 1, j)];
for (int i = 0; i < grid.size(); i++)for (int j = 1; j < grid[0].size(); j++)
if (grid[i][j] == 'X' && grid[i][j - 1] == 'X')if (find(id(i, j)) != find(id(i, j - 1)))fa[fa[id(i, j)]] = fa[id(i, j - 1)];
int ans = 0;
for (int i = 0; i < grid.size(); i++)for (int j = 0; j < grid[0].size(); j++)
if (grid[i][j] == 'X' && fa[id(i, j)] == id(i, j))ans++;
return ans;
}
int col;
};
695. 岛屿的最大面积
给你一个大小为 m x n 的二进制矩阵 grid 。
岛屿 是由一些相邻的 1 (代表土地) 构成的组合,这里的「相邻」要求两个 1 必须在 水平或者竖直的四个方向上 相邻。你可以假设 grid 的四个边缘都被 0(代表水)包围着。
岛屿的面积是岛上值为 1 的单元格的数目。
计算并返回 grid 中最大的岛屿面积。如果没有岛屿,则返回面积为 0 。
示例 1:
输入:grid = [[0,0,1,0,0,0,0,1,0,0,0,0,0],[0,0,0,0,0,0,0,1,1,1,0,0,0],[0,1,1,0,1,0,0,0,0,0,0,0,0],[0,1,0,0,1,1,0,0,1,0,1,0,0],[0,1,0,0,1,1,0,0,1,1,1,0,0],[0,0,0,0,0,0,0,0,0,0,1,0,0],[0,0,0,0,0,0,0,1,1,1,0,0,0],[0,0,0,0,0,0,0,1,1,0,0,0,0]]
输出:6
解释:答案不应该是 11 ,因为岛屿只能包含水平或垂直这四个方向上的 1 。
示例 2:
输入:grid = [[0,0,0,0,0,0,0,0]]
输出:0
提示:
m == grid.length
n == grid[i].length
1 <= m, n <= 50
grid[i][j] 为 0 或 1
这题还是和力扣 200. 岛屿数量差不多。
int fa[100000];
int find(int x) //找祖先
{
if (fa[x] == x)return x;
return fa[x] = find(fa[x]);
}
class Solution {
public:
int id(int x, int y)
{
return x * col + y;
}
int maxAreaOfIsland(vector<vector<int>>& grid) {
col = grid[0].size();
for (int i = 0; i < grid.size(); i++)for (int j = 0; j < grid[0].size(); j++)
fa[id(i, j)] = id(i, j);
for (int i = 1; i < grid.size(); i++)for (int j = 0; j < grid[0].size(); j++)
if (grid[i][j] == 1 && grid[i - 1][j] == 1)if (find(id(i, j)) != find(id(i - 1, j)))fa[fa[id(i, j)]] = fa[id(i - 1, j)];
for (int i = 0; i < grid.size(); i++)for (int j = 1; j < grid[0].size(); j++)
if (grid[i][j] == 1 && grid[i][j - 1] == 1)if (find(id(i, j)) != find(id(i, j - 1)))fa[fa[id(i, j)]] = fa[id(i, j - 1)];
map<int, int>m;
for (int i = 0; i < grid.size(); i++)for (int j = 0; j < grid[0].size(); j++)
if (grid[i][j] == 1)m[find(id(i, j))]++;
int ans = 0;
for (auto& mi : m)ans = max(ans, mi.second);
return ans;
}
int col;
};
733. 图像渲染
有一幅以 m x n 的二维整数数组表示的图画 image ,其中 image[i][j] 表示该图画的像素值大小。
你也被给予三个整数 sr , sc 和 newColor 。你应该从像素 image[sr][sc] 开始对图像进行 上色填充 。
为了完成 上色工作 ,从初始像素开始,记录初始坐标的 上下左右四个方向上 像素值与初始坐标相同的相连像素点,接着再记录这四个方向上符合条件的像素点与他们对应 四个方向上 像素值与初始坐标相同的相连像素点,……,重复该过程。将所有有记录的像素点的颜色值改为 newColor 。
最后返回 经过上色渲染后的图像 。
示例 1:
输入: image = [[1,1,1],[1,1,0],[1,0,1]],sr = 1, sc = 1, newColor = 2
输出: [[2,2,2],[2,2,0],[2,0,1]]
解析: 在图像的正中间,(坐标(sr,sc)=(1,1)),在路径上所有符合条件的像素点的颜色都被更改成2。
注意,右下角的像素没有更改为2,因为它不是在上下左右四个方向上与初始点相连的像素点。
示例 2:
输入: image = [[0,0,0],[0,0,0]], sr = 0, sc = 0, newColor = 2
输出: [[2,2,2],[2,2,2]]
提示:
m == image.length
n == image[i].length
1 <= m, n <= 50
0 <= image[i][j], newColor < 216
0 <= sr < m
0 <= sc < n
这题还是和力扣 200. 岛屿数量差不多。
int fa[100000];
int find(int x) //找祖先
{
if (fa[x] == x)return x;
return fa[x] = find(fa[x]);
}
class Solution {
public:
int id(int x, int y)
{
return x * col + y;
}
vector<vector<int>> floodFill(const vector<vector<int>>& grid, int sr, int sc, int color) {
col = grid[0].size();
for (int i = 0; i < grid.size(); i++)for (int j = 0; j < grid[0].size(); j++)
fa[id(i, j)] = id(i, j);
for (int i = 1; i < grid.size(); i++)for (int j = 0; j < grid[0].size(); j++)
if (grid[i][j] == grid[i - 1][j])if (find(id(i, j)) != find(id(i - 1, j)))fa[fa[id(i, j)]] = fa[id(i - 1, j)];
for (int i = 0; i < grid.size(); i++)for (int j = 1; j < grid[0].size(); j++)
if (grid[i][j] == grid[i][j - 1])if (find(id(i, j)) != find(id(i, j - 1)))fa[fa[id(i, j)]] = fa[id(i, j - 1)];
int fid = find(id(sr, sc));
vector<vector<int>> ans = grid;
for (int i = 0; i < grid.size(); i++)for (int j = 0; j < grid[0].size(); j++)
if (find(id(i, j)) == fid)ans[i][j] = color;
return ans;
}
int col;
};
1992. 找到所有的农场组
给你一个下标从 0 开始,大小为 m x n 的二进制矩阵 land ,其中 0 表示一单位的森林土地,1 表示一单位的农场土地。
为了让农场保持有序,农场土地之间以矩形的 农场组 的形式存在。每一个农场组都 仅 包含农场土地。且题目保证不会有两个农场组相邻,也就是说一个农场组中的任何一块土地都 不会 与另一个农场组的任何一块土地在四个方向上相邻。
land 可以用坐标系统表示,其中 land 左上角坐标为 (0, 0) ,右下角坐标为 (m-1, n-1) 。请你找到所有 农场组 最左上角和最右下角的坐标。一个左上角坐标为 (r1, c1) 且右下角坐标为 (r2, c2) 的 农场组 用长度为 4 的数组 [r1, c1, r2, c2] 表示。
请你返回一个二维数组,它包含若干个长度为 4 的子数组,每个子数组表示 land 中的一个 农场组 。如果没有任何农场组,请你返回一个空数组。可以以 任意顺序 返回所有农场组。
示例 1:
输入:land = [[1,0,0],[0,1,1],[0,1,1]]
输出:[[0,0,0,0],[1,1,2,2]]
解释:
第一个农场组的左上角为 land[0][0] ,右下角为 land[0][0] 。
第二个农场组的左上角为 land[1][1] ,右下角为 land[2][2] 。
示例 2:
输入:land = [[1,1],[1,1]]
输出:[[0,0,1,1]]
解释:
第一个农场组左上角为 land[0][0] ,右下角为 land[1][1] 。
示例 3:
输入:land = [[0]]
输出:[]
解释:
没有任何农场组。
提示:
m == land.length
n == land[i].length
1 <= m, n <= 300
land 只包含 0 和 1 。
农场组都是 矩形 的形状。
int fa[100000];
int find(int x) //找祖先
{
if (fa[x] == x)return x;
return fa[x] = find(fa[x]);
}
class Solution {
public:
int id(int x, int y)
{
return x * col + y;
}
vector<vector<int>> findFarmland(vector<vector<int>>& grid) {
row = grid.size();
col = grid[0].size();
for (int i = 0; i < grid.size(); i++)for (int j = 0; j < grid[0].size(); j++)
fa[id(i, j)] = id(i, j);
for (int i = 1; i < grid.size(); i++)for (int j = 0; j < grid[0].size(); j++)
if (grid[i][j] == 1 && grid[i][j] == grid[i - 1][j])if (find(id(i, j)) != find(id(i - 1, j)))fa[fa[id(i, j)]] = fa[id(i - 1, j)];
for (int i = 0; i < grid.size(); i++)for (int j = 1; j < grid[0].size(); j++)
if (grid[i][j] == 1 && grid[i][j] == grid[i][j - 1])if (find(id(i, j)) != find(id(i, j - 1)))fa[fa[id(i, j)]] = fa[id(i, j - 1)];
vector<vector<int>> ans;
vector<int>v(4);
for (int i = 0; i < grid.size(); i++)for (int j = 0; j < grid[0].size(); j++) {
if (grid[i][j] != 1 || find(id(i, j)) != id(i, j))continue;
int ti = i, tj = j;
while (i&&grid[i - 1][j] == 1)i--;
while (j&&grid[i][j - 1] == 1)j--;
v[0] = i, v[1] = j;
while (i<row-1&&grid[i + 1][j] == 1)i++;
while (j<col-1&&grid[i][j + 1] == 1)j++;
v[2] = i, v[3] = j;
ans.push_back(v);
i = ti, j = tj;
}
return ans;
}
int row;
int col;
};
1020. 飞地的数量
给你一个大小为 m x n 的二进制矩阵 grid ,其中 0 表示一个海洋单元格、1 表示一个陆地单元格。
一次 移动 是指从一个陆地单元格走到另一个相邻(上、下、左、右)的陆地单元格或跨过 grid 的边界。
返回网格中 无法 在任意次数的移动中离开网格边界的陆地单元格的数量。
示例 1:
输入:grid = [[0,0,0,0],[1,0,1,0],[0,1,1,0],[0,0,0,0]]
输出:3
解释:有三个 1 被 0 包围。一个 1 没有被包围,因为它在边界上。
示例 2:
输入:grid = [[0,1,1,0],[0,0,1,0],[0,0,1,0],[0,0,0,0]]
输出:0
解释:所有 1 都在边界上或可以到达边界。
提示:
m == grid.length
n == grid[i].length
1 <= m, n <= 500
grid[i][j] 的值为 0 或 1
int fa[100000];
int find(int x) //找祖先
{
if (fa[x] == x)return x;
return fa[x] = find(fa[x]);
}
class Solution {
public:
int id(int x, int y)
{
return x * col + y;
}
int atBoard(int x, int y)
{
if (x == 0 || x == row - 1)return true;
if (y == 0 || y == col - 1)return true;
return false;
}
int numEnclaves(vector<vector<int>>& grid) {
row = grid.size();
col = grid[0].size();
for (int i = 0; i < grid.size(); i++)for (int j = 0; j < grid[0].size(); j++)
fa[id(i, j)] = id(i, j);
for (int i = 1; i < grid.size(); i++)for (int j = 0; j < grid[0].size(); j++)
if (grid[i][j] == 1 && grid[i - 1][j] == 1)if (find(id(i, j)) != find(id(i - 1, j)))fa[fa[id(i, j)]] = fa[id(i - 1, j)];
for (int i = 0; i < grid.size(); i++)for (int j = 1; j < grid[0].size(); j++)
if (grid[i][j] == 1 && grid[i][j - 1] == 1)if (find(id(i, j)) != find(id(i, j - 1)))fa[fa[id(i, j)]] = fa[id(i, j - 1)];
int ans = 0;
map<int, int>m;
for (int i = 0; i < grid.size(); i++)for (int j = 0; j < grid[0].size(); j++)
if (atBoard(i, j)&& grid[i][j] == 1)m[find(id(i, j))] = 1;
for (int i = 0; i < grid.size(); i++)for (int j = 0; j < grid[0].size(); j++)
if (grid[i][j] == 1 && m[find(id(i, j))] == 0)ans++;
return ans;
}
int row;
int col;
};
827. 最大人工岛
给你一个大小为 n x n 二进制矩阵 grid 。最多 只能将一格 0 变成 1 。
返回执行此操作后,grid 中最大的岛屿面积是多少?
岛屿 由一组上、下、左、右四个方向相连的 1 形成。
示例 1:
输入: grid = [[1, 0], [0, 1]]
输出: 3
解释: 将一格0变成1,最终连通两个小岛得到面积为 3 的岛屿。
示例 2:
输入: grid = [[1, 1], [1, 0]]
输出: 4
解释: 将一格0变成1,岛屿的面积扩大为 4。
示例 3:
输入: grid = [[1, 1], [1, 1]]
输出: 4
解释: 没有0可以让我们变成1,面积依然为 4。
提示:
n == grid.length
n == grid[i].length
1 <= n <= 500
grid[i][j] 为 0 或 1
int fa[250000];
int find(int x) //找祖先
{
if (fa[x] == x)return x;
return fa[x] = find(fa[x]);
}
class Solution {
public:
int id(int x, int y)
{
return x * col + y;
}
vector<int> getNeighbor4(int k)
{
vector<int>ans;
if (k >= col)ans.push_back(k - col);
if (k < (row - 1) * col)ans.push_back(k + col);
if (k % col)ans.push_back(k - 1);
if (k % col < col - 1)ans.push_back(k + 1);
return ans;
}
int largestIsland(vector<vector<int>>& grid) {
row = grid.size();
col = grid[0].size();
for (int i = 0; i < grid.size(); i++)for (int j = 0; j < grid[0].size(); j++)
fa[id(i, j)] = id(i, j);
for (int i = 1; i < grid.size(); i++)for (int j = 0; j < grid[0].size(); j++)
if (grid[i][j] == 1 && grid[i - 1][j] == 1)if (find(id(i, j)) != find(id(i - 1, j)))fa[fa[id(i, j)]] = fa[id(i - 1, j)];
for (int i = 0; i < grid.size(); i++)for (int j = 1; j < grid[0].size(); j++)
if (grid[i][j] == 1 && grid[i][j - 1] == 1)if (find(id(i, j)) != find(id(i, j - 1)))fa[fa[id(i, j)]] = fa[id(i, j - 1)];
map<int, int>m;
for (int i = 0; i < grid.size(); i++)for (int j = 0; j < grid[0].size(); j++)
if (grid[i][j] == 1)m[find(id(i, j))]++;
int ans = 0;
for (int i = 0; i < grid.size(); i++)for (int j = 0; j < grid[0].size(); j++) {
if (grid[i][j] == 1) {
ans = max(ans, m[find(id(i, j))]);
continue;
}
vector<int> v = getNeighbor4(id(i, j));
vector<int> v2;
int s = 1;
for (auto vi : v) {
if (grid[vi / col][vi%col] == 1) {
int k = find(vi);
if (find(v2.begin(), v2.end(), k) == v2.end())v2.push_back(k), s += m[k];
}
}
ans = max(ans, s);
}
return ans;
}
int row;
int col;
};
1568. 使陆地分离的最少天数
给你一个大小为 m x n
,由若干 0
和 1
组成的二维网格 grid
,其中 1
表示陆地, 0
表示水。岛屿 由水平方向或竖直方向上相邻的 1
(陆地)连接形成。
如果 恰好只有一座岛屿 ,则认为陆地是 连通的 ;否则,陆地就是 分离的 。
一天内,可以将 任何单个 陆地单元(1
)更改为水单元(0
)。
返回使陆地分离的最少天数。
示例 1:
输入:grid = [[0,1,1,0],[0,1,1,0],[0,0,0,0]] 输出:2 解释:至少需要 2 天才能得到分离的陆地。 将陆地 grid[1][1] 和 grid[0][2] 更改为水,得到两个分离的岛屿。
示例 2:
输入:grid = [[1,1]] 输出:2 解释:如果网格中都是水,也认为是分离的 ([[1,1]] -> [[0,0]]),0 岛屿。
提示:
m == grid.length
n == grid[i].length
1 <= m, n <= 30
grid[i][j]
为0
或1
int fa[100000];
int find(int x) //找祖先
{
if (fa[x] == x)return x;
return fa[x] = find(fa[x]);
}
class Solution {
public:
int id(int x, int y)
{
return x * col + y;
}
int numIslands(vector<vector<int>>& grid) {
col = grid[0].size();
for (int i = 0; i < grid.size(); i++)for (int j = 0; j < grid[0].size(); j++)
fa[id(i, j)] = id(i, j);
for (int i = 1; i < grid.size(); i++)for (int j = 0; j < grid[0].size(); j++)
if (grid[i][j] == 1 && grid[i - 1][j] == 1)if (find(id(i, j)) != find(id(i - 1, j)))fa[fa[id(i, j)]] = fa[id(i - 1, j)];
for (int i = 0; i < grid.size(); i++)for (int j = 1; j < grid[0].size(); j++)
if (grid[i][j] == 1 && grid[i][j - 1] == 1)if (find(id(i, j)) != find(id(i, j - 1)))fa[fa[id(i, j)]] = fa[id(i, j - 1)];
int ans = 0;
for (int i = 0; i < grid.size(); i++)for (int j = 0; j < grid[0].size(); j++)
if (grid[i][j] == 1 && fa[id(i, j)] == id(i, j))ans++;
return ans;
}
int minDays(vector<vector<int>>& grid) {
if (numIslands(grid)!=1)return 0;
for (int i = 0; i < grid.size(); i++)for (int j = 0; j < grid[0].size(); j++) {
if (grid[i][j] == 1) {
grid[i][j] = 0;
if (numIslands(grid) != 1)return 1;
grid[i][j] = 1;
}
}
return 2;
}
int col;
};
LCR 130. 衣橱整理
家居整理师将待整理衣橱划分为 m x n
的二维矩阵 grid
,其中 grid[i][j]
代表一个需要整理的格子。整理师自 grid[0][0]
开始 逐行逐列 地整理每个格子。
整理规则为:在整理过程中,可以选择 向右移动一格 或 向下移动一格,但不能移动到衣柜之外。同时,不需要整理 digit(i) + digit(j) > cnt
的格子,其中 digit(x)
表示数字 x
的各数位之和。
请返回整理师 总共需要整理多少个格子。
示例 1:
输入:m = 4, n = 7, cnt = 5 输出:18
提示:
1 <= n, m <= 100
0 <= cnt <= 20
class Solution {
public:
int wardrobeFinishing(int m, int n, int cnt) {
Union un(m * n);
vector<int>dr{ -1,0 };
vector<int>dc{ 0,-1 };
map<int, map<int, int>>value;
for (int i = 0; i < m; i++) {
for (int j = 0; j < n; j++) {
if (s(i) + s(j) > cnt)continue;
value[i][j] = 1;
int id = i * n + j;
for (int k = 0; k < 2; k++) {
if (i + dr[k] >= 0 && i + dr[k] < m && j + dc[k] >= 0 && j + dc[k] < n){
if (value[i + dr[k]][j + dc[k]] && !un.inSame(id, id + dr[k] * n + dc[k])) {
un.merge(id, id + dr[k] * n + dc[k]);
}
}
}
}
}
auto v = un.getGroups();
return v[0].size();
}
int s(int n) {
int ans = 0;
while (n)ans += n % 10, n /= 10;
return ans;
}
};
面试题 16.19. 水域大小
你有一个用于表示一片土地的整数矩阵land
,该矩阵中每个点的值代表对应地点的海拔高度。若值为0则表示水域。由垂直、水平或对角连接的水域为池塘。池塘的大小是指相连接的水域的个数。编写一个方法来计算矩阵中所有池塘的大小,返回值需要从小到大排序。
示例:
输入: [ [0,2,1,0], [0,1,0,1], [1,1,0,1], [0,1,0,1] ] 输出: [1,2,4]
提示:
0 < len(land) <= 1000
0 < len(land[i]) <= 1000
class Solution {
public:
vector<int> pondSizes(vector<vector<int>>& land) {
GridGraph opt(land.size(), land[0].size());
Union un(land.size()* land[0].size());
for (int i = 0; i < land.size(); i++) {
for (int j = 0; j < land[0].size(); j++) {
if (land[i][j])continue;
int id = opt.gridId(i, j);
vector<int>nbors = opt.getNeighbor8(id);
for (auto x : nbors) {
if (land[x / land[0].size()][x%land[0].size()] == 0)un.merge(id, x);
}
}
}
auto v = un.getGroups();
vector<int>ans;
for (auto vi : v) {
int x = vi[0];
if (land[x / land[0].size()][x%land[0].size()] == 0)ans.push_back(vi.size());
}
sort(ans.begin(), ans.end());
return ans;
}
};
二,其他路径压缩查找
924. 尽量减少恶意软件的传播
给出了一个由 n
个节点组成的网络,用 n × n
个邻接矩阵图 graph
表示。在节点网络中,当 graph[i][j] = 1
时,表示节点 i
能够直接连接到另一个节点 j
。
一些节点 initial
最初被恶意软件感染。只要两个节点直接连接,且其中至少一个节点受到恶意软件的感染,那么两个节点都将被恶意软件感染。这种恶意软件的传播将继续,直到没有更多的节点可以被这种方式感染。
假设 M(initial)
是在恶意软件停止传播之后,整个网络中感染恶意软件的最终节点数。
如果从 initial
中移除某一节点能够最小化 M(initial)
, 返回该节点。如果有多个节点满足条件,就返回索引最小的节点。
请注意,如果某个节点已从受感染节点的列表 initial
中删除,它以后仍有可能因恶意软件传播而受到感染。
示例 1:
输入:graph = [[1,1,0],[1,1,0],[0,0,1]], initial = [0,1] 输出:0
示例 2:
输入:graph = [[1,0,0],[0,1,0],[0,0,1]], initial = [0,2] 输出:0
示例 3:
输入:graph = [[1,1,1],[1,1,1],[1,1,1]], initial = [1,2] 输出:1
提示:
n == graph.length
n == graph[i].length
2 <= n <= 300
graph[i][j] == 0
或1
.graph[i][j] == graph[j][i]
graph[i][i] == 1
1 <= initial.length <= n
0 <= initial[i] <= n - 1
initial
中所有整数均不重复
class Solution {
public:
int minMalwareSpread(vector<vector<int>>& graph, vector<int>& initial) {
int n = graph.size();
Union opt(n);
for (int i = 0; i < n; i++) {
for (int j = i + 1; j < n; j++) {
if (graph[i][j])opt.merge(i, j);
}
}
auto v = opt.getGroups();
map<int, int>m;
for (auto x : initial)m[x] = 1;
int ans = n, num = 0;
for (int i = 0;i<v.size();i++) {
int s = 0, id = 0;
for (auto x : v[i]) {
if (m[x])s++, id = x;
if (s > 1)break;
}
if (s == 1) {
if(num < v[i].size())num = v[i].size(), ans = id;
else if(num == v[i].size())ans = min(ans,id);
}
}
sort(initial.begin(), initial.end());
return ans == n ? initial[0] : ans;
}
};
928. 尽量减少恶意软件的传播 II
给定一个由 n
个节点组成的网络,用 n x n
个邻接矩阵 graph
表示。在节点网络中,只有当 graph[i][j] = 1
时,节点 i
能够直接连接到另一个节点 j
。
一些节点 initial
最初被恶意软件感染。只要两个节点直接连接,且其中至少一个节点受到恶意软件的感染,那么两个节点都将被恶意软件感染。这种恶意软件的传播将继续,直到没有更多的节点可以被这种方式感染。
假设 M(initial)
是在恶意软件停止传播之后,整个网络中感染恶意软件的最终节点数。
我们可以从 initial
中删除一个节点,并完全移除该节点以及从该节点到任何其他节点的任何连接。
请返回移除后能够使 M(initial)
最小化的节点。如果有多个节点满足条件,返回索引 最小的节点 。
示例 1:
输入:graph = [[1,1,0],[1,1,0],[0,0,1]], initial = [0,1] 输出:0
示例 2:
输入:graph = [[1,1,0],[1,1,1],[0,1,1]], initial = [0,1] 输出:1
示例 3:
输入:graph = [[1,1,0,0],[1,1,1,0],[0,1,1,1],[0,0,1,1]], initial = [0,1] 输出:1
提示:
n == graph.length
n == graph[i].length
2 <= n <= 300
graph[i][j]
是0
或1
.graph[i][j] == graph[j][i]
graph[i][i] == 1
1 <= initial.length < n
0 <= initial[i] <= n - 1
-
initial
中每个整数都不同
class Solution {
public:
int minMalwareSpread(vector<vector<int>>& graph, vector<int>& initial) {
int n = graph.size();
map<int, int>m;
for (auto x : initial)m[x]++;
Union opt(n);
for (int i = 0; i < n; i++) {
if (m[i])continue;
for (int j = i + 1; j < n; j++) {
if (graph[i][j] && m[j]==0)opt.merge(i, j);
}
}
auto v = opt.getGroups();
for (auto &vi : v) {
int id = -1;
for (auto x : vi) {
if (m[x])continue;
for (auto y : initial) {
if (graph[x][y]) {
if (id != -1 && id != y) {
id = -1;
goto here;
}
id = y;
}
}
}
here:
if (id != -1)m[id] += vi.size();
}
int ans = 0, num = 0;
for (int i = 0; i < n; i++) {
if (num < m[i])num = m[i], ans = i;
}
return ans;
}
};
990. 等式方程的可满足性
给定一个由表示变量之间关系的字符串方程组成的数组,每个字符串方程 equations[i] 的长度为 4,并采用两种不同的形式之一:"a==b" 或 "a!=b"。在这里,a 和 b 是小写字母(不一定不同),表示单字母变量名。
只有当可以将整数分配给变量名,以便满足所有给定的方程时才返回 true,否则返回 false。
示例 1:
输入:["a==b","b!=a"]
输出:false
解释:如果我们指定,a = 1 且 b = 1,那么可以满足第一个方程,但无法满足第二个方程。没有办法分配变量同时满足这两个方程。
示例 2:
输入:["b==a","a==b"]
输出:true
解释:我们可以指定 a = 1 且 b = 1 以满足满足这两个方程。
示例 3:
输入:["a==b","b==c","a==c"]
输出:true
示例 4:
输入:["a==b","b!=c","c==a"]
输出:false
示例 5:
输入:["c==c","b==d","x!=z"]
输出:true
提示:
1 <= equations.length <= 500
equations[i].length == 4
equations[i][0] 和 equations[i][3] 是小写字母
equations[i][1] 要么是 '=',要么是 '!'
equations[i][2] 是 '='
int fa[26];
int find(int x) //找祖先
{
if (fa[x] == x)return x;
return fa[x] = find(fa[x]);
}
class Solution {
public:
bool equationsPossible(vector<string>& equations) {
for (int i = 0; i <26; i++)fa[i] = i;
for (int i = 0; i <equations.size(); i++)if(equations[i][1]=='=')fa[find(equations[i][0]-'a')]=find(equations[i][3]-'a');
for (int i = 0; i <equations.size(); i++)if(equations[i][1]=='!' && find(equations[i][0]-'a')==find(equations[i][3]-'a'))return false;
return true;
}
};
947. 移除最多的同行或同列石头
n 块石头放置在二维平面中的一些整数坐标点上。每个坐标点上最多只能有一块石头。
如果一块石头的 同行或者同列 上有其他石头存在,那么就可以移除这块石头。
给你一个长度为 n 的数组 stones ,其中 stones[i] = [xi, yi] 表示第 i 块石头的位置,返回 可以移除的石子 的最大数量。
示例 1:
输入:stones = [[0,0],[0,1],[1,0],[1,2],[2,1],[2,2]]
输出:5
解释:一种移除 5 块石头的方法如下所示:
1. 移除石头 [2,2] ,因为它和 [2,1] 同行。
2. 移除石头 [2,1] ,因为它和 [0,1] 同列。
3. 移除石头 [1,2] ,因为它和 [1,0] 同行。
4. 移除石头 [1,0] ,因为它和 [0,0] 同列。
5. 移除石头 [0,1] ,因为它和 [0,0] 同行。
石头 [0,0] 不能移除,因为它没有与另一块石头同行/列。
示例 2:
输入:stones = [[0,0],[0,2],[1,1],[2,0],[2,2]]
输出:3
解释:一种移除 3 块石头的方法如下所示:
1. 移除石头 [2,2] ,因为它和 [2,0] 同行。
2. 移除石头 [2,0] ,因为它和 [0,0] 同列。
3. 移除石头 [0,2] ,因为它和 [0,0] 同行。
石头 [0,0] 和 [1,1] 不能移除,因为它们没有与另一块石头同行/列。
示例 3:
输入:stones = [[0,0]]
输出:0
解释:[0,0] 是平面上唯一一块石头,所以不可以移除它。
提示:
1 <= stones.length <= 1000
0 <= xi, yi <= 104
不会有两块石头放在同一个坐标点上
int fa[100000];
int find(int x) //找祖先
{
if (fa[x] == x)return x;
return fa[x] = find(fa[x]);
}
class Solution {
public:
int removeStones(vector<vector<int>>& grid) {
map<int, vector<int>>mr;
for (int i = 0; i < grid.size(); i++){
fa[i] = i;
mr[grid[i][0]].push_back(i);
mr[10005 + grid[i][1]].push_back(i);
}
for (auto &mi : mr) {
auto &v = mi.second;
for (int i = 1; i < v.size(); i++)if (find(v[0]) != find(v[i]))fa[fa[v[0]]] = fa[v[i]];
}
int ans = grid.size();
for (int i = 0; i < grid.size(); i++) {
if (fa[i] == i)ans--;
}
return ans;
}
};
547. 省份数量
有 n 个城市,其中一些彼此相连,另一些没有相连。如果城市 a 与城市 b 直接相连,且城市 b 与城市 c 直接相连,那么城市 a 与城市 c 间接相连。
省份 是一组直接或间接相连的城市,组内不含其他没有相连的城市。
给你一个 n x n 的矩阵 isConnected ,其中 isConnected[i][j] = 1 表示第 i 个城市和第 j 个城市直接相连,而 isConnected[i][j] = 0 表示二者不直接相连。
返回矩阵中 省份 的数量。
示例 1:
输入:isConnected = [[1,1,0],[1,1,0],[0,0,1]]
输出:2
示例 2:
输入:isConnected = [[1,0,0],[0,1,0],[0,0,1]]
输出:3
提示:
1 <= n <= 200
n == isConnected.length
n == isConnected[i].length
isConnected[i][j] 为 1 或 0
isConnected[i][i] == 1
isConnected[i][j] == isConnected[j][i]
int fa[100000];
int find(int x) //找祖先
{
if (fa[x] == x)return x;
return fa[x] = find(fa[x]);
}
class Solution {
public:
int findCircleNum(vector<vector<int>>& grid) {
for (int i = 0; i < grid.size(); i++)fa[i] = i;
for (int i = 0; i < grid.size(); i++)for (int j = 0; j < grid[0].size(); j++) {
if (grid[i][j] && find(i) != find(j))fa[fa[i]] = fa[j];
}
int ans = 0;
for (int i = 0; i < grid.size(); i++)if (fa[i] == i)ans++;
return ans;
}
};
1319. 连通网络的操作次数
用以太网线缆将 n 台计算机连接成一个网络,计算机的编号从 0 到 n-1。线缆用 connections 表示,其中 connections[i] = [a, b] 连接了计算机 a 和 b。
网络中的任何一台计算机都可以通过网络直接或者间接访问同一个网络中其他任意一台计算机。
给你这个计算机网络的初始布线 connections,你可以拔开任意两台直连计算机之间的线缆,并用它连接一对未直连的计算机。请你计算并返回使所有计算机都连通所需的最少操作次数。如果不可能,则返回 -1 。
示例 1:
输入:n = 4, connections = [[0,1],[0,2],[1,2]]
输出:1
解释:拔下计算机 1 和 2 之间的线缆,并将它插到计算机 1 和 3 上。
示例 2:
输入:n = 6, connections = [[0,1],[0,2],[0,3],[1,2],[1,3]]
输出:2
示例 3:
输入:n = 6, connections = [[0,1],[0,2],[0,3],[1,2]]
输出:-1
解释:线缆数量不足。
示例 4:
输入:n = 5, connections = [[0,1],[0,2],[3,4],[2,3]]
输出:0
提示:
1 <= n <= 10^5
1 <= connections.length <= min(n*(n-1)/2, 10^5)
connections[i].length == 2
0 <= connections[i][0], connections[i][1] < n
connections[i][0] != connections[i][1]
没有重复的连接。
两台计算机不会通过多条线缆连接。
int fa[100001];
int find(int x) //找祖先
{
if (fa[x] == x)return x;
return fa[x] = find(fa[x]);
}
class Solution {
public:
int makeConnected(int n, vector<vector<int>>& con) {
if(con.size()<n-1)return -1;
for(int i=0;i<n;i++)fa[i]=i;
for(int i=0;i<con.size();i++)if(find(con[i][0])!=find(con[i][1]))fa[find(con[i][0])]=find(con[i][1]);
int ans = 0;
for (int i = 0; i < n; i++)if (fa[i] == i)ans++;
return ans-1;
}
};
1632. 矩阵转换后的秩
给你一个 m x n 的矩阵 matrix ,请你返回一个新的矩阵 answer ,其中 answer[row][col] 是 matrix[row][col] 的秩。
每个元素的 秩 是一个整数,表示这个元素相对于其他元素的大小关系,它按照如下规则计算:
秩是从 1 开始的一个整数。
如果两个元素 p 和 q 在 同一行 或者 同一列 ,那么:
如果 p < q ,那么 rank(p) < rank(q)
如果 p == q ,那么 rank(p) == rank(q)
如果 p > q ,那么 rank(p) > rank(q)
秩 需要越 小 越好。
题目保证按照上面规则 answer 数组是唯一的。
示例 1:
输入:matrix = [[1,2],[3,4]]
输出:[[1,2],[2,3]]
解释:
matrix[0][0] 的秩为 1 ,因为它是所在行和列的最小整数。
matrix[0][1] 的秩为 2 ,因为 matrix[0][1] > matrix[0][0] 且 matrix[0][0] 的秩为 1 。
matrix[1][0] 的秩为 2 ,因为 matrix[1][0] > matrix[0][0] 且 matrix[0][0] 的秩为 1 。
matrix[1][1] 的秩为 3 ,因为 matrix[1][1] > matrix[0][1], matrix[1][1] > matrix[1][0] 且 matrix[0][1] 和 matrix[1][0] 的秩都为 2 。
示例 2:
输入:matrix = [[7,7],[7,7]]
输出:[[1,1],[1,1]]
示例 3:
输入:matrix = [[20,-21,14],[-19,4,19],[22,-47,24],[-19,4,19]]
输出:[[4,2,3],[1,3,4],[5,1,6],[1,3,4]]
示例 4:
输入:matrix = [[7,3,6],[1,4,5],[9,8,2]]
输出:[[5,1,4],[1,2,3],[6,3,1]]
提示:
m == matrix.length
n == matrix[i].length
1 <= m, n <= 500
-109 <= matrix[row][col] <= 109
class Solution {
public:
vector<vector<int>> matrixRankTransform(vector<vector<int>>& m) {
col = m[0].size();
vector<int>maxR(m.size(),INT_MIN);
vector<int>maxC(col,INT_MIN);
vector<int>idR(m.size(),0);
vector<int>idC(col,0);
vector<vector<int>>g = fenzu(m);
sort(g.begin(), g.end(), [&](const vector<int>& v1, const vector<int>& v2) {return m[v1[0] / col][v1[0] % col] < m[v2[0] / col][v2[0] % col]; });
vector<vector<int>>ans = m;
for (auto gi : g) {
int tmpMax = INT_MIN;
for (auto id : gi) {
int r = id / col;
int c = id % col;
tmpMax = max(tmpMax, max(idR[r] + (m[r][c] > maxR[r]), idC[c] + (m[r][c] > maxC[c])));
}
for (auto id : gi) {
int r = id / col;
int c = id % col;
ans[r][c] = tmpMax;
maxR[r] = max(maxR[r], m[r][c]), maxC[c] = max(maxC[c], m[r][c]);
idR[r] = max(idR[r], ans[r][c]), idC[c] = max(idC[c], ans[r][c]);
}
}
return ans;
}
vector<vector<int>>fenzu(vector<vector<int>>& m)
{
Union opt(m.size() * col);
map<int, int>mn;
for (int i = 0; i < m.size(); i++) {
mn.clear();
for (int j = 0; j < col; j++) {
if(mn[m[i][j]])opt.merge(i * col + j, mn[m[i][j]]-1);
mn[m[i][j]] = i * col + j + 1;
}
}
for (int j = 0; j < col; j++) {
mn.clear();
for (int i = 0; i < m.size(); i++) {
if (mn[m[i][j]])opt.merge(i * col + j, mn[m[i][j]] - 1);
mn[m[i][j]] = i * col + j + 1;
}
}
return opt.getGroups();
}
int col;
};
2316. 统计无向图中无法互相到达点对数
给你一个整数 n
,表示一张 无向图 中有 n
个节点,编号为 0
到 n - 1
。同时给你一个二维整数数组 edges
,其中 edges[i] = [ai, bi]
表示节点 ai
和 bi
之间有一条 无向 边。
请你返回 无法互相到达 的不同 点对数目 。
示例 1:
输入:n = 3, edges = [[0,1],[0,2],[1,2]] 输出:0 解释:所有点都能互相到达,意味着没有点对无法互相到达,所以我们返回 0 。
示例 2:
输入:n = 7, edges = [[0,2],[0,5],[2,4],[1,6],[5,4]] 输出:14 解释:总共有 14 个点对互相无法到达: [[0,1],[0,3],[0,6],[1,2],[1,3],[1,4],[1,5],[2,3],[2,6],[3,4],[3,5],[3,6],[4,6],[5,6]] 所以我们返回 14 。
提示:
1 <= n <= 105
0 <= edges.length <= 2 * 105
edges[i].length == 2
0 <= ai, bi < n
ai != bi
- 不会有重复边。
class Solution {
public:
long long countPairs(int n, vector<vector<int>>& edges) {
Union un(n);
for (auto edge : edges)un.merge(edge[0], edge[1]);
auto v = un.getGroups();
long long ans = n;
ans *= n;
for (auto& vi : v)ans -= (long long)(vi.size()) * vi.size();
return ans / 2;
}
};
面试题 17.07. 婴儿名字
每年,政府都会公布一万个最常见的婴儿名字和它们出现的频率,也就是同名婴儿的数量。有些名字有多种拼法,例如,John 和 Jon 本质上是相同的名字,但被当成了两个名字公布出来。给定两个列表,一个是名字及对应的频率,另一个是本质相同的名字对。设计一个算法打印出每个真实名字的实际频率。注意,如果 John 和 Jon 是相同的,并且 Jon 和 Johnny 相同,则 John 与 Johnny 也相同,即它们有传递和对称性。
在结果列表中,选择 字典序最小 的名字作为真实名字。
示例:
输入:names = ["John(15)","Jon(12)","Chris(13)","Kris(4)","Christopher(19)"], synonyms = ["(Jon,John)","(John,Johnny)","(Chris,Kris)","(Chris,Christopher)"] 输出:["John(27)","Chris(36)"]
提示:
names.length <= 100000
class Solution {
public:
vector<string> trulyMostPopular(vector<string>& names, vector<string>& synonyms) {
Union un(names.size()+ synonyms.size()*2);
GetSingleId<string> opt;
map<char, int> splitChar;
splitChar['('] = 1;
splitChar[')'] = 1;
splitChar[','] = 1;
for (auto &s : synonyms) {
//s=(Jon,John)
auto v = stringSplit(s, splitChar);
int x = opt.id(v[0]), y = opt.id(v[1]);
if (opt.getData(un.find(x)) < opt.getData(un.find(y)))un.merge(y, x);
else un.merge(x, y);
}
map<string, int>m;
for (auto &s : names) {
//s=John(15)
auto v = stringSplit(s, splitChar);
m[opt.getData(un.find(opt.id(v[0])))]+= strToInt(v[1].data(),10);
}
vector<string>ans;
for (auto &mi : m) {
ans.push_back(mi.first + "(" + to_string(mi.second) + ")");
}
return ans;
}
};
三,带权并查集
2307. 检查方程中的矛盾之处
给你一个由字符串二维数组 equations
和实数数组 values
,其中 equations[i] = [Ai, Bi]
,values[i]
表示 Ai / Bi = values[i]
.。
确定方程中是否存在矛盾。如果存在矛盾则返回 true
,否则返回 false
。
注意:
- 当检查两个数字是否相等时,检查它们的 绝对差值 是否小于
10-5
. - 生成的测试用例没有针对精度的用例,即使用
double
就足以解决问题。
示例 1:
输入: equations = [["a","b"],["b","c"],["a","c"]], values = [3,0.5,1.5] 输出: false 解释: 给定的方程为: a / b = 3, b / c = 0.5, a / c = 1.5 方程中没有矛盾。满足所有方程的一个可能的分配是: a = 3, b = 1 和 c = 2.
示例 2:
输入: equations = [["le","et"],["le","code"],["code","et"]], values = [2,5,0.5] 输出: true 解释: 给定的方程为: le / et = 2, le / code = 5, code / et = 0.5 根据前两个方程,我们得到 code / et = 0.4. 因为第三个方程是 code / et = 0.5, 所以矛盾。
提示:
1 <= equations.length <= 100
equations[i].length == 2
1 <= Ai.length, Bi.length <= 5
Ai
,Bi
由小写英文字母组成。equations.length == values.length
0.0 < values[i] <= 10.0
values[i]
小数点后最多 2 位。
class Solution {
public:
bool checkContradictions(vector<vector<string>>& equations, vector<double>& values) {
UnionDif un(200);
GetSingleId<string> g;
for (int i = 0; i < values.size(); i++) {
int a = g.id(equations[i][0]), b = g.id(equations[i][1]);
if (un.inSame(a, b)) {
cout << un.getDif(a) << endl;
cout << un.getDif(b) << endl;
cout << log(values[i]) << endl;
if (abs(un.getDif(a) - un.getDif(b) - log(values[i]))>0.0001) {
return true;
}
}
else {
un.merge(a, b, log(values[i]));
}
}
return false;
}
};
四,并查集退化
一些比较简单的问题,可以用并查集做,也可以用更朴素的实现方式。
565. 数组嵌套
索引从0开始长度为N的数组A,包含0到N - 1的所有整数。找到最大的集合S并返回其大小,其中 S[i] = {A[i], A[A[i]], A[A[A[i]]], ... }且遵守以下的规则。
假设选择索引为i的元素A[i]为S的第一个元素,S的下一个元素应该是A[A[i]],之后是A[A[A[i]]]... 以此类推,不断添加直到S出现重复的元素。
示例 1:
输入: A = [5,4,0,3,1,6,2]
输出: 4
解释:
A[0] = 5, A[1] = 4, A[2] = 0, A[3] = 3, A[4] = 1, A[5] = 6, A[6] = 2.
其中一种最长的 S[K]:
S[0] = {A[0], A[5], A[6], A[2]} = {5, 6, 2, 0}
提示:
1 <= nums.length <= 105
0 <= nums[i] < nums.length
A中不含有重复的元素。
class Solution {
public:
int arrayNesting(vector<int>& nums) {
map<int, int>m;
int ans = 0;
for (int i = 0; i < nums.size(); i++) {
if (m[i])continue;
m[i] = 1;
int s = 0, k = i;
while (++s) {
if ((k = nums[k]) == i)break;
m[k] = 1;
}
ans = max(ans, s);
}
return ans;
}
};
五,并查集持久化
1697. 检查边长度限制的路径是否存在(离线查询)
给你一个 n
个点组成的无向图边集 edgeList
,其中 edgeList[i] = [ui, vi, disi]
表示点 ui
和点 vi
之间有一条长度为 disi
的边。请注意,两个点之间可能有 超过一条边 。
给你一个查询数组queries
,其中 queries[j] = [pj, qj, limitj]
,你的任务是对于每个查询 queries[j]
,判断是否存在从 pj
到 qj
的路径,且这条路径上的每一条边都 严格小于 limitj
。
请你返回一个 布尔数组 answer
,其中 answer.length == queries.length
,当 queries[j]
的查询结果为 true
时, answer
第 j
个值为 true
,否则为 false
。
示例 1:
输入:n = 3, edgeList = [[0,1,2],[1,2,4],[2,0,8],[1,0,16]], queries = [[0,1,2],[0,2,5]] 输出:[false,true] 解释:上图为给定的输入数据。注意到 0 和 1 之间有两条重边,分别为 2 和 16 。 对于第一个查询,0 和 1 之间没有小于 2 的边,所以我们返回 false 。 对于第二个查询,有一条路径(0 -> 1 -> 2)两条边都小于 5 ,所以这个查询我们返回 true 。
示例 2:
输入:n = 5, edgeList = [[0,1,10],[1,2,5],[2,3,9],[3,4,13]], queries = [[0,4,14],[1,4,13]] 输出:[true,false] 解释:上图为给定数据。
提示:
2 <= n <= 105
1 <= edgeList.length, queries.length <= 105
edgeList[i].length == 3
queries[j].length == 3
0 <= ui, vi, pj, qj <= n - 1
ui != vi
pj != qj
1 <= disi, limitj <= 109
- 两个点之间可能有 多条 边。
思路:
把边和查询都排序,用查询作为隔板把整个生成树的过程分成若干部分。
const int N = 100005; //点的最大数量
int fa[N];
int find(int x) //找祖先
{
if (fa[x] == x)return x;
return fa[x] = find(fa[x]);
}
void merge(int i, int j)
{
fa[find(i)] = j;
}
bool inSameSet(int i, int j)
{
return find(i) == find(j);
}
int en; //点的数量
vector<vector<int>>p;//用数组或者vector记录点的信息,id要从0开始
struct Edge
{
int a;//端点id
int b;//端点id
int dist;
};
vector<Edge> v;
bool cmp(Edge a, Edge b)
{
return a.dist < b.dist;
}
int id(Edge a)
{
return a.a * N + a.b;
}
vector<Edge> getEdge() // 获取所有的边
{
// TODO 根据实际情况修改
vector<Edge> v;
for (int i = 0; i < p.size(); i++) {
Edge e = { p[i][0],p[i][1],p[i][2] };
v.push_back(e);
}
sort(v.begin(), v.end(), cmp);
return v;
}
bool cmp2(vector<int>&a, vector<int>&b)
{
return a[2] < b[2];
}
class Solution {
public:
int vk = 0;
bool distanceLimitedPathsExist(vector<int>& q)
{
while (vk<v.size() && v[vk].dist < q[2]) {
if (!inSameSet(v[vk].a, v[vk].b))merge(v[vk].a, v[vk].b);
vk++;
}
return inSameSet(q[0], q[1]);
}
vector<bool> distanceLimitedPathsExist(int n, vector<vector<int>>& edgeList, vector<vector<int>>& queries) {
en = n, p = edgeList;
for (int i = 0; i < en; i++)fa[i] = i;
v = getEdge();
vk = 0;
for (int i = 0; i < queries.size(); i++)queries[i].push_back(i);
sort(queries.begin(), queries.end(), cmp2);
vector<bool> ans(queries.size());
for (auto& qi : queries)ans[qi[3]] = distanceLimitedPathsExist(qi);
return ans;
}
};
1724. 检查边长度限制的路径是否存在 II(在线查询)
一张有 n
个节点的无向图以边的列表 edgeList
的形式定义,其中 edgeList[i] = [ui, vi, disi]
表示一条连接 ui
和 vi
,距离为 disi
的边。注意,同一对节点间可能有多条边,且该图可能不是连通的。
实现 DistanceLimitedPathsExist
类:
DistanceLimitedPathsExist(int n, int[][] edgeList)
以给定的无向图初始化对象。boolean query(int p, int q, int limit)
当存在一条从p
到q
的路径,且路径中每条边的距离都严格小于limit
时,返回true
,否则返回false
。
示例 1:
输入: ["DistanceLimitedPathsExist", "query", "query", "query", "query"] [[6, [[0, 2, 4], [0, 3, 2], [1, 2, 3], [2, 3, 1], [4, 5, 5]]], [2, 3, 2], [1, 3, 3], [2, 0, 3], [0, 5, 6]] 输出: [null, true, false, true, false] 解释: DistanceLimitedPathsExist distanceLimitedPathsExist = new DistanceLimitedPathsExist(6, [[0, 2, 4], [0, 3, 2], [1, 2, 3], [2, 3, 1], [4, 5, 5]]); distanceLimitedPathsExist.query(2, 3, 2); // 返回 true。存在一条从 2 到 3 ,距离为 1 的边, // 这条边的距离小于 2。 distanceLimitedPathsExist.query(1, 3, 3); // 返回 false。从 1 到 3 之间不存在每条边的距离都 // 严格小于 3 的路径。 distanceLimitedPathsExist.query(2, 0, 3); // 返回 true。存在一条从 2 到 0 的路径,使得每条边的 // 距离 < 3:从 2 到 3 到 0 行进即可。 distanceLimitedPathsExist.query(0, 5, 6); // 返回 false。从 0 到 5 之间不存在路径。
提示:
2 <= n <= 104
0 <= edgeList.length <= 104
edgeList[i].length == 3
0 <= ui, vi, p, q <= n-1
ui != vi
p != q
1 <= disi, limit <= 109
- 最多调用
104
次query
。
思路:
离线查询可以对查询请求进行排序,但是在线不行,在线更难,所以本题支持的查询次数是10^4,而离线查询支持的是10^5次查询。
考虑去重,实际上不同的查询次数不会超过边数,所以考虑做成离线处理+大量存储+在线查询。
const int N = 10005; //点的最大数量
int fas[10000][N];
int* fa;
int find(int x) //找祖先
{
if (fa[x] == x)return x;
return fa[x] = find(fa[x]);
}
void merge(int i, int j)
{
fa[find(i)] = j;
}
bool inSameSet(int i, int j)
{
return find(i) == find(j);
}
int en; //点的数量
vector<vector<int>>p;//用数组或者vector记录点的信息,id要从0开始
struct Edge
{
int a;//端点id
int b;//端点id
int dist;
};
vector<Edge> v;
bool cmp(Edge a, Edge b)
{
return a.dist < b.dist;
}
vector<Edge> getEdge() // 获取所有的边
{
// TODO 根据实际情况修改
vector<Edge> v;
for (int i = 0; i < p.size(); i++) {
Edge e = { p[i][0],p[i][1],p[i][2] };
v.push_back(e);
}
sort(v.begin(), v.end(), cmp);
return v;
}
class DistanceLimitedPathsExist {
public:
int vk = 0, fk = 0;
bool distanceLimitedPathsExist(Edge& q)
{
while (vk < v.size() && v[vk].dist <= q.dist) {
if (!inSameSet(v[vk].a, v[vk].b))merge(v[vk].a, v[vk].b);
vk++;
}
return inSameSet(q.a,q.b);
}
DistanceLimitedPathsExist(int n, vector<vector<int>>& edgeList) {
en = n, p = edgeList;
fa = new int[n];
for (int i = 0; i < n; i++)fa[i] = i;
v = getEdge();
for (auto& vi : v) {
vl.push_back(vi.dist);
distanceLimitedPathsExist(vi);
for(int i=0;i<n;i++)fas[fk][i] = fa[i];
fk++;
}
}
bool query(int p, int q, int limit) {
int k = lower_bound(vl.begin(), vl.end(), limit)- vl.begin();
if (k == 0)return false;
fa = fas[k-1];
return inSameSet(p, q);
}
vector<int>vl;
};
时间1040 ms 内存520.2 MB
做个简单的简化
const int N = 10005; //点的最大数量
int fas[10000][N];
int* fa;
inline int find(int x) //找祖先
{
if (fa[x] == x)return x;
return fa[x] = find(fa[x]);
}
void merge(int i, int j)
{
fa[find(i)] = j;
}
bool inSameSet(int i, int j)
{
return find(i) == find(j);
}
int en; //点的数量
vector<vector<int>>p;//用数组或者vector记录点的信息,id要从0开始
struct Edge
{
int a;//端点id
int b;//端点id
int dist;
};
vector<Edge> v;
bool cmp(Edge a, Edge b)
{
return a.dist < b.dist;
}
vector<Edge> getEdge() // 获取所有的边
{
// TODO 根据实际情况修改
vector<Edge> v;
for (int i = 0; i < p.size(); i++) {
Edge e = { p[i][0],p[i][1],p[i][2] };
v.push_back(e);
}
sort(v.begin(), v.end(), cmp);
return v;
}
class DistanceLimitedPathsExist {
public:
int fk = 0;
DistanceLimitedPathsExist(int n, vector<vector<int>>& edgeList) {
en = n, p = edgeList;
fa = new int[n];
for (int i = 0; i < n; i++)fa[i] = i;
v = getEdge();
for (auto& vi : v) {
vl.push_back(vi.dist);
if (!inSameSet(vi.a, vi.b))merge(vi.a, vi.b);
for(int i=0;i<n;i++)fas[fk][i] = fa[i];
fk++;
}
}
bool query(int p, int q, int limit) {
int k = lower_bound(vl.begin(), vl.end(), limit)- vl.begin();
if (k == 0)return false;
fa = fas[k-1];
return inSameSet(p, q);
}
vector<int>vl;
};
时间964 ms 内存520.2 MB
再改成离散化的写法,不存全部的fa数组,而且间隔存:
const int N = 10005; //点的最大数量
int fas[1000][N];
int* fa;
int find(int x) //找祖先
{
if (fa[x] == x)return x;
return fa[x] = find(fa[x]);
}
void merge(int i, int j)
{
fa[find(i)] = j;
}
bool inSameSet(int i, int j)
{
return find(i) == find(j);
}
int en; //点的数量
vector<vector<int>>p;//用数组或者vector记录点的信息,id要从0开始
struct Edge
{
int a;//端点id
int b;//端点id
int dist;
};
vector<Edge> v;
bool cmp(Edge a, Edge b)
{
return a.dist < b.dist;
}
vector<Edge> getEdge() // 获取所有的边
{
// TODO 根据实际情况修改
vector<Edge> v;
for (int i = 0; i < p.size(); i++) {
Edge e = { p[i][0],p[i][1],p[i][2] };
v.push_back(e);
}
sort(v.begin(), v.end(), cmp);
return v;
}
class DistanceLimitedPathsExist {
public:
int fk = 0;
int ratio = 10;
vector<int>vl;
DistanceLimitedPathsExist(int n, vector<vector<int>>& edgeList) {
en = n, p = edgeList;
fa = new int[n];
for (int i = 0; i < n; i++)fa[i] = i;
v = getEdge();
for (auto& vi : v) {
vl.push_back(vi.dist);
if (!inSameSet(vi.a, vi.b))merge(vi.a, vi.b);
if(fk% ratio ==0)for(int i=0;i<n;i++)fas[fk/ratio][i] = fa[i];
fk++;
}
}
bool query(int p, int q, int limit) {
int k = lower_bound(vl.begin(), vl.end(), limit)- vl.begin()-1;
if (k < 0)return false;
for (int i = 0; i < en; i++){
fa[i] = fas[k/ ratio][i];
}
for(int i=k/ratio*ratio;i<=k;i++){
if (!inSameSet(v[i].a, v[i].b))merge(v[i].a, v[i].b);
}
return inSameSet(p, q);
}
};
时间1556 ms 内存178.4 MB