备战秋招60天算法挑战，Day14

题目链接： https://leetcode.cn/problems/group-anagrams/

视频题解： https://www.bilibili.com/video/BV1Fm42157HG/

LeetCode 49. 字母异位词分组

题目描述

给你一个字符串数组，请你将 字母异位词 组合在一起。可以按任意顺序返回结果列表。

字母异位词 是由重新排列源单词的所有字母得到的一个新单词。

举个例子：

输入: strs = ["eat", "tea", "tan", "ate", "nat", "bat"]
输出: [ ["bat"], ["nat","tan"], ["ate","eat","tea"] ]

视频题解

字母异位词分组

思路来源

思路来源

思路解析

本题的关键是找到字母异位词公共的特征，然后基于这个公共特征对所以的单词进行分类，这里介绍两种分类方法。

方法一 排序法

对每个单词拷贝一个副本，然后对单词的副本进行排序，排序后相等的单词存到同一个数组中。这里借用一个hash表，排序后的单词作为hash表的key。

对于strs = ["eat", "tea", "tan", "ate", "nat", "bat"]，在hash表中的分布如下图：

C++代码

class Solution {
public:
    vector<vector<string>> groupAnagrams(vector<string>& strs) {
        vector<vector<string>> res;
        unordered_map<string, vector<string>> u_mapRes;
        for (auto& str : strs) {
            //对副本进行排序
            string key(str);
            sort(key.begin(), key.end());
            //存到hash表中
            u_mapRes[key].push_back(str);
        }
        for (auto& pair : u_mapRes) {
            res.push_back(pair.second);
        }
        return res;
    }
};

java代码

class Solution {
    public List<List<String>> groupAnagrams(String[] strs) {
        List<List<String>> res = new ArrayList<>();
        Map<String, List<String>> u_mapRes = new HashMap<>();
        for (String str : strs) {
            //对副本进行排序
            char[] charArray = str.toCharArray();
            Arrays.sort(charArray);
            String key = new String(charArray);
            //存到哈希表中
            if (!u_mapRes.containsKey(key)) {
                u_mapRes.put(key, new ArrayList<>());
            }
            u_mapRes.get(key).add(str);
        }
        for (List<String> group : u_mapRes.values()) {
            res.add(group);
        }
        return res;
    }
}

python代码

class Solution:
    def groupAnagrams(self, strs: List[str]) -> List[List[str]]:
        res = []
        u_mapRes = defaultdict(list)
        for str in strs:
            #对副本进行排序
            key = ''.join(sorted(str))
            #存到哈希表中
            u_mapRes[key].append(str)
        for group in u_mapRes.values():
            res.append(group)
        return res

复杂度分析

时间复杂度： 排序需要O(nlogn)，遍历数组需要O(n)，所以整体的时间复杂度为O(nlogn)，其中n是数组的长度。

空间复杂度： 需要借用一个hash表，最坏情况有n个key，所以空间复杂度为O(n)，其中n是数组的长度。

方法二 字母统计法

方法一中对单词进行排序需要 O(nlogn) 的时间复杂度，这里我们可以通过对单词中的字母进行统计替代排序来优化。因为单词只包含小写字母，字母总共26个，可以采用一个由数字组成，长为26的字符串来统计每个单词中的字母数量，然后将这个字符串作为方法一中hash表的key。

可以通过任意小写字母的assci码减去小写字母a的assci码，得到任意小写字母在字符串中的位置，字符串的索引和小写字母位置的对应关系如下图：

思考：能否使用哈希表或数组作为哈希表的key？需要做哪些额外操作？

C++代码

class Solution {
public:
    vector<vector<string>> groupAnagrams(vector<string>& strs) {
        vector<vector<string>> res;
        unordered_map<string, vector<string>> u_mapRes;
        for (auto& str : strs) {
            string count(26, '0');

            for (auto& c : str) {
                count[c - 'a'] += 1;
            }
            u_mapRes[count].push_back(str);
        }
        for (auto& pair : u_mapRes) {
            res.push_back(pair.second);
        }
        return res;
    }
};

java代码

class Solution {
    public List<List<String>> groupAnagrams(String[] strs) {
        List<List<String>> res = new ArrayList<>();
        Map<String, List<String>> u_mapRes = new HashMap<>();
        for (String str : strs) {
            int[] count = new int[26];
            for (char c : str.toCharArray()) {
                count[c - 'a']++;
            }
            String key = Arrays.toString(count);
            if (!u_mapRes.containsKey(key)) {
                u_mapRes.put(key, new ArrayList<>());
            }
            u_mapRes.get(key).add(str);
        }
        for (List<String> group : u_mapRes.values()) {
            res.add(group);
        }
        return res;
    }
}

python代码

class Solution:
    def groupAnagrams(self, strs: List[str]) -> List[List[str]]:
        res = []
        u_mapRes = defaultdict(list)
        for str in strs:
            count = [0] * 26
            for c in str:
                count[ord(c) - ord('a')] += 1
            u_mapRes[tuple(count)].append(str)
        for group in u_mapRes.values():
            res.append(group)
        return res

复杂度分析

时间复杂度： 只需要遍历一遍数组统计字符，所以时间复杂度为O(n)，其中n是数组的长度。

空间复杂度： 需要借用一个hash表，最坏情况有n个key，所以空间复杂度为O(n)，其中n是数组的长度。