【力扣】1337.矩阵中战斗力最弱的k行

该代码实现了一个算法,用于在一个包含军人和平民的矩阵中找到战斗力最弱的k行,并按顺序返回其索引。算法首先创建一个有序集合,其中键是根据军人数量和行索引计算得出的,然后遍历集合,获取战斗力最弱的k行。示例展示了如何处理不同矩阵并返回结果。

给你一个大小为 m * n 的矩阵 mat,矩阵由若干军人和平民组成,分别用 1 和 0 表示。

请你返回矩阵中战斗力最弱的 k 行的索引,按从最弱到最强排序

如果第 i 行的军人数量少于第 j 行,或者两行军人数量相同但 i 小于 j,那么我们认为第 i 行的战斗力比第 j 行弱。

军人 总是 排在一行中的靠前位置,也就是说 1 总是出现在 0 之前。

示例 1:

输入:mat = 
[[1,1,0,0,0],
 [1,1,1,1,0],
 [1,0,0,0,0],
 [1,1,0,0,0],
 [1,1,1,1,1]], 
k = 3
输出:[2,0,3]
解释:
每行中的军人数目:
行 0 -> 2 
行 1 -> 4 
行 2 -> 1 
行 3 -> 2 
行 4 -> 5 
从最弱到最强对这些行排序后得到 [2,0,3,1,4]

示例 2:

输入:mat = 
[[1,0,0,0],
 [1,1,1,1],
 [1,0,0,0],
 [1,0,0,0]], 
k = 2
输出:[0,2]
解释: 
每行中的军人数目:
行 0 -> 1 
行 1 -> 4 
行 2 -> 1 
行 3 -> 1 
从最弱到最强对这些行排序后得到 [0,2,3,1]

提示:

m == mat.length
n == mat[i].length
2 <= n, m <= 100
1 <= k <= m
matrix[i][j] 不是 0 就是 1

 代码:

class Solution {
    public int[] kWeakestRows(int[][] mat, int k) {

        TreeMap<Integer, Integer> map = new TreeMap<>();//有序集合
        for (int i = 0; i < mat.length; i++) {
            int key = i;
            for (int j = 0; j < mat[i].length; j++) {
                if (mat[i][j] == 0) {
                    break;
                }
                key += mat[i][j] * 100;  //200,401,102,203,504
            }
            map.put(key, i);
        }
        int[] arr = new int[k];
        int index = 0;
        for (Integer key1 : map.keySet()) {//map.keySet()返回map中的key值
            //表示将map对象的所有key值已set集合的形式返回,因为map也是无序的,且key值也是不可重复的,因此这里用set集合存储key并返回也符合规则。
            if (index == k) break;//循环结束的条件
            arr[index++] = map.get(key1);//通过key值获取map中的value,存储到arr数组中
        }
        return arr;
    }

    public static void main(String[] args) {
        Solution s = new Solution();
        int[][] arr = new int[][]{{1, 1, 0, 0, 0}, {1, 1, 1, 1, 0}, {1, 0, 0, 0, 0}, {1, 1, 0, 0, 0}, {1, 1, 1, 1, 1}};
        System.out.println(Arrays.toString(s.kWeakestRows(arr, 3)));
    }
}

 

### 解题思路 LeetCode 2090 题目要求计算一个数组中每个元素的半径为 `k` 的子数组的平均值。如果某个元素的位置 `i` 满足其左右各有 `k` 个元素,即从 `i-k` 到 `i+k` 的子数组存在,则计算该子数组的平均值;否则结果为 `-1`。 为了高效地解决这个问题,可以使用 **滑动窗口** 技术。通过维护一个滑动窗口的和,可以在 `O(n)` 时间复杂度内完成计算。 #### 关键点 - 初始化窗口的大小为 `2*k + 1`,如果数组长度小于这个值,则某些位置无法形成完整的子数组。 - 首先计算初始窗口的总和,然后逐个移动窗口,并更新总和(减去退出窗口的元素,加上进入窗口的元素)。 - 对于无法形成完整窗口的位置,直接标记为 `-1`。 --- ### C++ 实现代码 ```cpp #include <vector> using namespace std; class Solution { public: vector<int> getAverages(vector<int>& nums, int k) { long long n = nums.size(); long long windowSize = 2 * k + 1; vector<int> avg(n, -1); if (windowSize > n) return avg; // 如果窗口比数组还大,全部返回-1 long long sum = 0; for (int i = 0; i < windowSize; ++i) { sum += nums[i]; } avg[k] = sum / windowSize; // 第一个窗口的平均值 for (int i = windowSize; i < n; ++i) { sum += nums[i] - nums[i - windowSize]; // 滑动窗口更新 avg[i - k] = sum / windowSize; // 计算当前窗口的平均值 } return avg; } }; ``` --- ### 示例说明 假设输入如下: ```cpp vector<int> nums = {1, 2, 3, 4, 5, 6, 7, 8, 9}; int k = 3; ``` 输出将是: ```cpp {-1, -1, -1, 4, 5, 6, -1, -1, -1} ``` 其中只有中间部分能够形成完整的窗口,其他位置由于缺少足够的元素而返回 `-1`。 --- ### 复杂度分析 - **时间复杂度**:`O(n)`,其中 `n` 是数组的长度。整个算法只遍历数组一次。 - **空间复杂度**:`O(n)`,用于存储最终的结果数组。 --- ### 性能优化建议 - 使用 `long long` 类型确保累加过程中不会溢出。 - 提前处理窗口大小大于数组长度的情况,避免无效计算。 ---
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

aigo-2021

您的鼓励是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值