给你两个单词 word1 和 word2, 请返回将 word1 转换成 word2 所使用的最少操作数 。
你可以对一个单词进行如下三种操作:
插入一个字符
删除一个字符
替换一个字符
示例 1:
输入:word1 = “horse”, word2 = “ros”
输出:3
解释:
horse -> rorse (将 ‘h’ 替换为 ‘r’)
rorse -> rose (删除 ‘r’)
rose -> ros (删除 ‘e’)
示例 2:
输入:word1 = “intention”, word2 = “execution”
输出:5
解释:
intention -> inention (删除 ‘t’)
inention -> enention (将 ‘i’ 替换为 ‘e’)
enention -> exention (将 ‘n’ 替换为 ‘x’)
exention -> exection (将 ‘n’ 替换为 ‘c’)
exection -> execution (插入 ‘u’)
提示:
0 <= word1.length, word2.length <= 500
word1 和 word2 由小写英文字母组成
之前在动态规划部分也用java实现过这题。
现在用python实现。
把之前的java代码换成python语法:
class Solution(object):
def minDistance(self, word1, word2):
n = len(word1)
m = len(word2)
dp = [[0] * (m + 1) for _ in range(n + 1)]
#处理B串为空的情况,这时将A转换为B需要转换len(A)次
for i in range(1, n + 1):
dp[i][0] = dp[i - 1][0] + 1
#处理A串为空的情况,这时将A转换为B需要转换len(B)次
for j in range(1, m + 1):
dp[0][j] = dp[0][j - 1] + 1
#核心逻辑
for i in range(1, n + 1):
for j in range(1, m + 1):
#两个字符相等
if word1[i - 1] == word2[j - 1]:
dp[i][j] = dp[i - 1][j - 1]
#由三个方向转换而来,取三者最小值
else:
dp[i][j] = min(dp[i - 1][j], dp[i][j - 1], dp[i - 1][j - 1]) + 1
return dp[-1][-1]
注:这个代码还有优化版本:地址(但不太容易理解)
另一种形式写法,主要是dp[i][0]和dp[0][j]不一样:
详细描述过程:地址
回顾一下dp[i][j]的定义:
dp[i][j] 表示以下标i-1为结尾的字符串word1,和以下标j-1为结尾的字符串word2,最近编辑距离为dp[i][j]。
那么dp[i][0] 和 dp[0][j] 表示什么呢?
dp[i][0] :以下标i-1为结尾的字符串word1,和空字符串word2,最近编辑距离为dp[i][0]。
那么dp[i][0]就应该是i,对word1里的元素全部做删除操作,即:dp[i][0] = i;
同理dp[0][j] = j;
class Solution:
def minDistance(self, word1: str, word2: str) -> int:
m, n = len(word1), len(word2)
if m * n == 0: # word1或word2为空
return m + n
dp = [[0]*(n+1) for _ in range(m+1)]
# 边界状态
for i in range(1, m+1):
dp[i][0] = i
for j in range(1, n+1):
dp[0][j] = j
# 状态更新
for i in range(1, m+1):
for j in range(1, n+1):
if word1[i-1] == word2[j-1]:
dp[i][j] = dp[i-1][j-1]
else:
dp[i][j] = min(dp[i][j-1], dp[i-1][j], dp[i-1][j-1]) + 1
return dp[m][n]