1801. 积压订单中的订单总数
题目描述
给你一个二维整数数组 orders
,其中每个 orders[i] = [pricei, amounti, orderTypei]
表示有 amounti 笔类型为 orderTypei 、价格为 pricei 的订单。
订单类型 orderTypei 可以分为两种:
0 表示这是一批采购订单 buy
1 表示这是一批销售订单 sell
注意,orders[i]
表示一批共计 amounti 笔的独立订单,这些订单的价格和类型相同。对于所有有效的 i
,由 orders[i]
表示的所有订单提交时间均早于 orders[i+1]
表示的所有订单。
存在由未执行订单组成的 积压订单 。积压订单最初是空的。提交订单时,会发生以下情况:
- 如果该订单是一笔采购订单
buy
,则可以查看积压订单中价格 最低 的销售订单sell
。如果该销售订单sell
的价格 低于或等于 当前采购订单buy
的价格,则匹配并执行这两笔订单,并将销售订单sell
从积压订单中删除。否则,采购订单buy
将会添加到积压订单中。 - 反之亦然,如果该订单是一笔销售订单
sell
,则可以查看积压订单中价格 最高 的采购订单 buy 。如果该采购订单buy
的价格 高于或等于 当前销售订单sell
的价格,则匹配并执行这两笔订单,并将采购订单buy
从积压订单中删除。否则,销售订单sell
将会添加到积压订单中。
输入所有订单后,返回积压订单中的 订单总数 。由于数字可能很大,所以需要返回对 109 + 7 取余的结果。
示例 1
输入:orders = [[10,5,0],[15,2,1],[25,1,1],[30,4,0]]
输出:6
解释:输入订单后会发生下述情况:
- 提交 5 笔采购订单,价格为 10 。没有销售订单,所以这 5 笔订单添加到积压订单中。
- 提交 2 笔销售订单,价格为 15 。没有采购订单的价格大于或等于 15 ,所以这 2 笔订单添加到积压订单中。
- 提交 1 笔销售订单,价格为 25 。没有采购订单的价格大于或等于 25 ,所以这 1 笔订单添加到积压订单中。
- 提交 4 笔采购订单,价格为 30 。前 2 笔采购订单与价格最低(价格为 15)的 2 笔销售订单匹配,从积压订单中删除这 2 笔销售订单。第 3 笔采购订单与价格最低的 1 笔销售订单匹配,销售订单价格为 25 ,从积压订单中删除这 1 笔销售订单。积压订单中不存在更多销售订单,所以第 4 笔采购订单需要添加到积压订单中。
最终,积压订单中有 5 笔价格为 10 的采购订单,和 1 笔价格为 30 的采购订单。所以积压订单中的订单总数为 6 。
示例 2
输入:orders = [[7,1000000000,1],[15,3,0],[5,999999995,0],[5,1,1]]
输出:999999984
解释:输入订单后会发生下述情况:
- 提交 109 笔销售订单,价格为 7 。没有采购订单,所以这 109 笔订单添加到积压订单中。
- 提交 3 笔采购订单,价格为 15 。这些采购订单与价格最低(价格为 7 )的 3 笔销售订单匹配,从积压订单中删除这 3 笔销售订单。
- 提交 999999995 笔采购订单,价格为 5 。销售订单的最低价为 7 ,所以这 999999995 笔订单添加到积压订单中。
- 提交 1 笔销售订单,价格为 5 。这笔销售订单与价格最高(价格为 5 )的 1 笔采购订单匹配,从积压订单中删除这 1 笔采购订单。
最终,积压订单中有 (1000000000-3) 笔价格为 7 的销售订单,和 (999999995-1) 笔价格为 5 的采购订单。所以积压订单中的订单总数为 1999999991 ,等于 999999984 % (109 + 7) 。
提示
1 <= orders.length <= 105
orders[i].length == 3
1 <= pricei, amounti <= 109
orderTypei 为 0 或 1
算法一:优先队列(大根堆、小根堆)
思路
- 使用优先队列(大小根堆)维护当前的积压订单,其中大根堆 buy 维护积压的采购订单,小根堆 sell 维护积压的销售订单。 堆中的每个元素是一个二元组(price, amout), 表示价格为 price 、数量为 amout 的订单。
- 接下来,遍历订单数组 orders ,根据题意模拟。
- 遍历结束后,将 buy 和 sell 的订单数量相加,即为最终的积压订单数量。由于答案可能很大,需要对 109 + 7 取模。
收获
- 这道题不难理解,我一开始有想到用一个能有自动排序的容器,也就是优先队列 ,但是我对优先队列如何定义不太熟悉,直接看了题解,顺道复习了优先队列的使用, 详细使用可以看参考资料。
- 优秀队列默认使用大根堆(头元素是最大的元素),如果要想使用小根堆需要定义模板和比较方法,见 sell 。
算法情况
- 时间复杂度:O(n logn)
- 空间复杂度:O(n)
代码
class Solution {
public:
int getNumberOfBacklogOrders(vector<vector<int>>& orders) {
using pii = pair<int, int>;
priority_queue<pii, vector<pii>, greater<pii>> sell; // 小根堆
priority_queue<pii> buy; // 大根堆
for(auto& e : orders){
int p = e[0], a = e[1], t = e[2];
if(t == 0){
// buy
while(a && !sell.empty() && sell.top().first <= p){
auto [x, y] = sell.top();
sell.pop();
if(a >= y){
a -= y;
}
else{
sell.push({x, y - a});
a = 0;
}
}
if(a){
buy.push({p, a});
}
}
else{
// sell
while(a && !buy.empty() && buy.top().first >= p){
auto[x, y] = buy.top();
buy.pop();
if(a >= y){
a -= y;
}
else{
buy.push({x, y - a});
a = 0;
}
}
if(a){
sell.push({p, a});
}
}
}
long ans = 0;
while(!buy.empty()){
ans += buy.top().second;
buy.pop();
}
while(!sell.empty()){
ans += sell.top().second;
sell.pop();
}
const int mod = 1e9 + 7;
return ans % mod ;
}
};