|
| 1 | + |
| 2 | + |
| 3 | +#### Trie树理论 |
| 4 | + |
| 5 | + |
| 6 | + |
| 7 | + |
| 8 | + |
| 9 | + |
| 10 | + |
| 11 | + |
| 12 | + |
| 13 | + |
| 14 | + |
| 15 | +Trie 树优于哈希表的另一个理由是,随着哈希表大小增加,会出现大量的冲突,时间复杂度可能增加到 O(n),其中 n是插入的键的数量。与哈希表相比,Trie 树在存储多个具有相同前缀的键时可以使用较少的空间。此时 Trie 树只需要 O(m)的时间复杂度,其中 m 为键长。而在平衡树中查找键值需要 O(mlogn) 时间复杂度。 |
| 16 | + |
| 17 | +应用: |
| 18 | + |
| 19 | +1. 自动补全,eg: 谷歌的搜索建议 |
| 20 | + |
| 21 | +2. 拼写检查, eg: 文字处理软件中的拼写检查 |
| 22 | + |
| 23 | +3. IP 路由 (最长前缀匹配), eg: 使用Trie树的最长前缀匹配算法,Internet 协议(IP)路由中利用转发表选择路径。 |
| 24 | + |
| 25 | +4. T9 (九宫格) 打字预测, eg: T9(九宫格输入),在 20 世纪 90 年代常用于手机输入 |
| 26 | + |
| 27 | +5. 单词游戏, eg: Trie 树可通过剪枝搜索空间 |
| 28 | + |
| 29 | + |
| 30 | + |
| 31 | +``` |
| 32 | +208. 实现 Trie (前缀树) |
| 33 | +实现一个 Trie (前缀树),包含 insert, search, 和 startsWith 这三个操作。 |
| 34 | +
|
| 35 | +示例: |
| 36 | +
|
| 37 | +Trie trie = new Trie(); |
| 38 | +
|
| 39 | +trie.insert("apple"); |
| 40 | +trie.search("apple"); // 返回 true |
| 41 | +trie.search("app"); // 返回 false |
| 42 | +trie.startsWith("app"); // 返回 true |
| 43 | +trie.insert("app"); |
| 44 | +trie.search("app"); // 返回 true |
| 45 | +说明: |
| 46 | +
|
| 47 | +你可以假设所有的输入都是由小写字母 a-z 构成的。 |
| 48 | +保证所有输入均为非空字符串。 |
| 49 | +``` |
| 50 | + |
| 51 | + |
| 52 | + |
| 53 | +```python |
| 54 | +class Trie: |
| 55 | + |
| 56 | + def __init__(self): |
| 57 | + """ |
| 58 | + Initialize your data structure here. |
| 59 | + """ |
| 60 | + self.root = {} |
| 61 | + self.end_of_word = "#" |
| 62 | + |
| 63 | + def insert(self, word: str) -> None: |
| 64 | + """ |
| 65 | + Inserts a word into the trie. |
| 66 | + """ |
| 67 | + node = self.root |
| 68 | + for char in word: |
| 69 | + node = node.setdefault(char, {}) |
| 70 | + node[self.end_of_word] = self.end_of_word |
| 71 | + |
| 72 | + def search(self, word: str) -> bool: |
| 73 | + """ |
| 74 | + Returns if the word is in the trie. |
| 75 | + """ |
| 76 | + node = self.root |
| 77 | + for char in word: |
| 78 | + if char not in node: |
| 79 | + return False |
| 80 | + node = node[char] |
| 81 | + return self.end_of_word in node |
| 82 | + |
| 83 | + def startsWith(self, prefix: str) -> bool: |
| 84 | + """ |
| 85 | + Returns if there is any word in the trie that starts with the given prefix. |
| 86 | + """ |
| 87 | + node = self.root |
| 88 | + for char in prefix: |
| 89 | + if char not in node: |
| 90 | + return False |
| 91 | + node = node[char] |
| 92 | + return True |
| 93 | + |
| 94 | + |
| 95 | + |
| 96 | +# Your Trie object will be instantiated and called as such: |
| 97 | +# obj = Trie() |
| 98 | +# obj.insert(word) |
| 99 | +# param_2 = obj.search(word) |
| 100 | +# param_3 = obj.startsWith(prefix) |
| 101 | +``` |
| 102 | + |
| 103 | + |
| 104 | + |
| 105 | +单词搜索2 |
| 106 | + |
| 107 | + |
| 108 | + |
| 109 | + |
| 110 | + |
| 111 | + |
| 112 | + |
| 113 | + |
| 114 | + |
| 115 | + |
| 116 | + |
| 117 | + |
| 118 | + |
| 119 | +#### 并查集 |
| 120 | + |
| 121 | + |
| 122 | + |
| 123 | +[中等] |
| 128 | + |
| 129 | +[1 [0726]] |
| 130 | + |
| 131 | +``` |
| 132 | +547. 朋友圈 |
| 133 | +班上有 N 名学生。其中有些人是朋友,有些则不是。他们的友谊具有是传递性。如果已知 A 是 B 的朋友,B 是 C 的朋友,那么我们可以认为 A 也是 C 的朋友。所谓的朋友圈,是指所有朋友的集合。 |
| 134 | +
|
| 135 | +给定一个 N * N 的矩阵 M,表示班级中学生之间的朋友关系。如果M[i][j] = 1,表示已知第 i 个和 j 个学生互为朋友关系,否则为不知道。你必须输出所有学生中的已知的朋友圈总数。 |
| 136 | +
|
| 137 | +示例 1: |
| 138 | +
|
| 139 | +输入: |
| 140 | +[[1,1,0], |
| 141 | + [1,1,0], |
| 142 | + [0,0,1]] |
| 143 | +输出: 2 |
| 144 | +说明:已知学生0和学生1互为朋友,他们在一个朋友圈。 |
| 145 | +第2个学生自己在一个朋友圈。所以返回2。 |
| 146 | +示例 2: |
| 147 | +
|
| 148 | +输入: |
| 149 | +[[1,1,0], |
| 150 | + [1,1,1], |
| 151 | + [0,1,1]] |
| 152 | +输出: 1 |
| 153 | +说明:已知学生0和学生1互为朋友,学生1和学生2互为朋友,所以学生0和学生2也是朋友,所以他们三个在一个朋友圈,返回1。 |
| 154 | +注意: |
| 155 | +
|
| 156 | +N 在[1,200]的范围内。 |
| 157 | +对于所有学生,有M[i][i] = 1。 |
| 158 | +如果有M[i][j] = 1,则有M[j][i] = 1。 |
| 159 | +``` |
| 160 | + |
| 161 | + |
| 162 | + |
| 163 | +```python |
| 164 | +class Solution: |
| 165 | + def findCircleNum(self, M: List[List[int]]) -> int: |
| 166 | + if not M: return 0 |
| 167 | + |
| 168 | + n = len(M) |
| 169 | + p = [i for i in range(n)] |
| 170 | + |
| 171 | + for i in range(n): |
| 172 | + for j in range(n): |
| 173 | + if M[i][j] == 1: |
| 174 | + # 遍历矩阵,合并i,j |
| 175 | + self._union(p, i, j) |
| 176 | + |
| 177 | + return len(set([self._parent(p, i) for i in range(n)])) |
| 178 | + |
| 179 | + def _union(self, p, i, j): |
| 180 | + p1 = self._parent(p, i) |
| 181 | + p2 = self._parent(p, j) |
| 182 | + p[p2] = p1 |
| 183 | + |
| 184 | + def _parent(self, p, i): |
| 185 | + root = i |
| 186 | + while p[root] != root: |
| 187 | + root = p[root] |
| 188 | + while p[i] != i: |
| 189 | + x = i; i = p[i]; p[x] = root |
| 190 | + return root |
| 191 | + |
| 192 | +``` |
| 193 | + |
| 194 | + |
| 195 | + |
| 196 | + |
| 197 | + |
| 198 | + |
| 199 | + |
| 200 | + |
| 201 | + |
| 202 | + |
| 203 | + |
| 204 | + |
| 205 | + |
| 206 | + |
| 207 | + |
| 208 | +八皇后 |
| 209 | + |
| 210 | + |
| 211 | + |
| 212 | + |
| 213 | + |
| 214 | + |
| 215 | + |
| 216 | + |
| 217 | + |
| 218 | + |
| 219 | + |
| 220 | +AVL 和红黑树 |
| 221 | + |
| 222 | + |
| 223 | + |
| 224 | +四种旋转,和为什么引入旋转 |
0 commit comments