7字典树 并查集

字典树Trie

单词查找树或键树。典型应用于统计和排序大量的字符串。
最大限度地减少无谓字符串的比较，查询效率比哈希表高。

特点

1. 结点本身不存完整单词；
2. 从根结点到某一结点，路径上经过的字符连接起来，为该结点对应的字符串；
3. 每个结点的所有子结点路径代表的字符都不相同

核心思想
Trie 树的核心思想是空间换时间。
利用字符串的公共前缀来降低查询时间的开销以达到提高效率的目的。

class Trie(object):
	def __init__(self): 
		self.root = {} 
		self.end_of_word = "#"
	def insert(self, word): 
		node = self.root
		for char in word: 
			node = node.setdefault(char, {}) 
		node[self.end_of_word] = self.end_of_word
	def search(self, word): 
		node = self.root
		for char in word: 
			if char not in node: 
				return False 
			node = node[char] 
		return self.end_of_word in node 
	def startsWith(self, prefix): 
		node = self.root
		for char in prefix: 
			if char not in node: 
				return False 
			node = node[char] 
		return True

并查集

Disjoint Set

• makeSet(s)：建立一个新的并查集，其中包含 s 个单元素集合。
• unionSet(x, y)：把元素 x 和元素 y 所在的集合合并，要求 x 和 y 所在的集合不相交，如果相交则不合并。
• find(x)：找到元素 x 所在的集合的代表，该操作也可以用于判断两个元素是否位于同一个集合，只要将它们各自的代表比较一下就可以了。

#python
def init(p): 
# for i = 0 .. n: p[i] = i; 
	p = [i for i in range(n)] 
def union(self, p, i, j): 
	p1 = self.parent(p, i) 
	p2 = self.parent(p, j) 
	p[p1] = p2 
def parent(self, p, i): 
	root = i 
	while p[root] != root: 
		root = p[root] 
	while p[i] != i: # 路径压缩 ?
		x = i; i = p[i]; p[x] = root 
	return root

//java
class UnionFind {
	private int count = 0;
	private int[] parent;
	public UnionFind(int n) {
		count = n;
		parent = new int[n];
		for (int i = 0; i < n; i++) {
			parent[i] = i; } }
	public int find(int p) {
		while (p != parent[p]) {
			parent[p] = parent[parent[p]];
			p = parent[p];
}
		return p; }
	public void union(int p, int q) {
		int rootP = find(p);
		int rootQ = find(q);
		if (rootP == rootQ) return;
		parent[rootP] = rootQ;
		count--; } }