LeetCode 42 用Python3来接雨水

LeetCode42

Given n non-negative integers representing an elevation map where the width of each bar is 1, compute how much water it is able to trap after raining.

Example:

Input: [0,1,0,2,1,0,1,3,2,1,2,1]

Output: 6

解法一

先说说自己超时的算法思路，也顺便把一种暴力解法展示出来，然后介绍别人家的高级算法，也算是抛砖引玉。

很明显，刚看到这题，我就想着以行为思路来考虑，什么意思呢？举个例子，如输入为[0,7,1,4,6],result为我们要返回的结果。首先我们需要知道有0的地方代表着一个可以存水的坑，然后进行如下操作：

1. 先将两边的0去掉 => [7,1,4,6]
2. result += 0的个数 * 非零元素中的最小值
3. 原数组中每个数减去上一步中的最小值(小于0则保持为0)
4. 返回第一步，直到数组个数小于3则退出

于是就有:

[7,1,4,6] => result += 0 => [6,0,3,5] => result += 1x3 => [3,0,0,2] => result += 2x2 => [1,0,0,0] => [1] => exit.

总的而言还是比较麻烦。代码逻辑没问题，就是时间复杂度较高，约为O(n^2)级别, 取决于其中数的分布。

与之相对应的就是一种列的思维方式。

解法一

这里的解法与后面的相关解法出发思路都是相同的，即根据两端方块的高度来决定每一个方块的可储水量，然后进行累加，储水量求的是面积，而我们每次仅考虑一个方块，宽度为1，则数值上其就应该等于储水高度。

暴力法的思路就是遍历每一个方块，分别找到包含它本身向左、向右的最大高度left_max, right_max，那么很显然储水高度由left_max, right_max中的较小者以及自身的高度baseHeight来决定:

• min(left_max, right_max) - baseHeight

def trap(height):
	n = len(height)
	left_max, right_max = 0, 0
	# 返回结果
	result = 0
	# 考虑每一个方块
	for i in range(n):
		# 它所有左边的方块中找到left_max
		for j in range(i, -1, -1):
			left_max = max(left_max, height[j])
		# 它所有右边的方块中找到right_max
		for j in range(i, n, 1):
			right_max = max(right_max, height[j])
		result += min(left_max, right_max) - height[i]
	return result

很明显，时间复杂度依然较高，为O(n^2)。考虑一种用空间换时间的方法。上一种暴力法我们每选择一个方块，就重新进行O(n)的遍历找到它的left_max, right_max，其实是可以通过先循环遍历记录下来，之后直接索引取值即可，也可以算的上是动态规划的一种思想。

def trap(height):
	n = len(height)
	left_max, right_max = 0, 0
	# 记录每个索引处的最大左、右高度
	left = [0] * n
	right = [0] * n
	# 返回结果
	result = 0
	# 从左边遍历 找到left_max
	for i in range(n):
		left_max = max(left_max, height[i])
		left[i] = left_max
	# 从右边遍历 找到right_max
	for j in range(n-1, -1, -1):
		right_max = max(right_max, height[j])
		right[j] = right_max
	# 然后就是熟悉的操作
	for k in range(n):
		result += min(left[k], right[k]) - height[k]
	return result

这就是所谓的动态编程。时间复杂度上优化到了O(n)级别，相应的开辟了两个数组保存最大高度，空间复杂度也为O(n)。

解法二

好了，在解法一的启发下，就可以献出大招，双指针法了。双指针法能更灵活地在移动指针的过程中确定界，也就是我们的left_max, right_max，并且使用了常数级别的空间复杂度。废话不多说，看代码:

def trap(height):
	n = len(height)
	# 双指针
	i, j = 0, n-1
	result = 0
	# 如果left_max处的高度小于right_max处的高度
	# 我们有理由改变左指针i来累加储水量
	left_max, right_max = 0, 0
	while i < j:
		left_max = max(left_max, height[i])
		right_max = max(right_max, height[j])
		if left_max < right_max:
			result += left_max - height[i]
			i += 1
		else:
			result += right_max - height[j]
			j -= 1
	return result

其实仔细一看，思路和暴力法没差。但是相对而言，算法进步了不少。

解法三

这是一种借助栈的思路，来找到上面所提到界的方法。其出发点就是，将所有遍历的索引入栈，当遍历到的方块高度大于栈顶的高度，这就意味着此刻栈顶的高度不仅小于当前遍历值，也小于它自身栈的前一个高度。也就是说我们就找到了界和baseHeight。看代码吧：

def trap(height):
	n = len(height)
	stack = []
	result = 0
	for i in range(n):
		# 栈非空时，不断比较弹出并累加result
		while stack and height[stack[-1]] < height[i]:
			# 弹出
			pop_ = stack[-1]
			stack.pop()
			#如果栈为空
			if not stack:
				break
			# 宽度
			w = i - stack[-1] - 1
			# 高度差
			# 界的最小值-基准高度
			h = min(height[i], height[stack[-1]]) - height[pop_]
			result += h
		# 入栈
		stack.append(i)
	return result