LeetCode刷题-矩阵置零

本文介绍了一种矩阵置零的算法,旨在当矩阵中某个元素为0时,将该元素所在行和列的所有元素都设为0。提供了两种实现方式,一种使用额外的空间复杂度O(m+n),另一种为原地算法,空间复杂度为O(1)。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

矩阵置零

问题描述

给定一个 m x n 的矩阵,如果一个元素为 0,则将其所在行和列的所有元素都设为 0。请使用原地算法。

样例

  1. 输入:
    [
    [1,1,1],
    [1,0,1],
    [1,1,1]
    ]
    输出:
    [
    [1,0,1],
    [0,0,0],
    [1,0,1]
    ]
  2. 输入:
    [
    [0,1,2,0],
    [3,4,5,2],
    [1,3,1,5]
    ]
    输出:
    [
    [0,0,0,0],
    [0,4,5,0],
    [0,3,1,0]
    ]

Code1

时间复杂度O(m*n),空间复杂度O(m+n)

void setZeroes(vector<vector<int>>& matrix) {
	const size_t m=matrix.size();
	const size_t n=matrix[0].size();
	vector<bool> row(m, false);
	vector<bool> col(n, false);
	for(size_t i=0; i<m; ++i) {
		for(size_t j=0; j<n; ++j) {
			if(matrix[i][j]==0) {
				row[i]=col[j]=true;
			}
		}
	}
	for(size_t i=0; i<m; ++i) {
		if(row[i]) {
			fill(&matrix[i][0], &matrix[i][0]+n, 0);
		}
	}
	for(size_t j=0; j<n; ++j) {
		if(col[j]) {
			for(size_t i=0; i<m; ++i) {
				matrix[i][j]=0;
			}
		}
	}
}

Code2

时间复杂度O(m*n),空间复杂度O(1)

void setZeroes(vector<vector<int>>& matrix) {
	const size_t m=matrix.size();
	const size_t n=matrix[0].size();
	bool row_has_zero =false;
	bool col_has_zero =false;
	for(size_t i=0; i<n; ++i) {
		if(matrix[0][i]==0) {
			row_has_zero=true;
			break;
		}
	}
	for(size_t i=0; i<m; ++i) {
		if(matrix[i][0]==0) {
			col_has_zero=true;
			break;
		}
	}
	for(size_t i=1; i<m; ++i) {
		for(size_t j=1; j<n; j++) {
			if(matrix[i][j]==0) {
				matrix[0][j]=0;
				matrix[i][0]=0;
			}
		}
	}
	for(size_t i=1; i<m; ++i) {
		for(size_t j=1; j<n; j++) {
			if(matrix[i][0]==0 || matrix[0][j] ==0) {
				matrix[i][j]=0;
			}
		}
	}
	if(row_has_zero) {
		for(size_t i=0; i<n; ++i) {
			matrix[0][i]=0;
		}
	}
	if(col_has_zero) {
		for(size_t i=0; i<m; ++i) {
			matrix[i][0]=0;
		}
	}
}

若有疑问欢迎评论!

### LeetCode 推荐列表与学习路径 在 LeetCode 上进行时,制定一个合理的计划非常重要。以下是一个基于算法分类的学习路径和推荐目列表[^1]: #### 学习路径 1. **基础算法理论** 在开始之前,建议先通过视频或书籍了解基本的算法理论。例如,分治法、贪心算法、动态规划、二叉搜索树(BST)、图等概念[^1]。 2. **数据结构基础** 熟悉常见的数据结构,包括数组、链表、栈、队列、哈希表、树、图等。确保对这些数据结构的操作有深刻理解。 3. **分模块** 按照以下顺序逐步深入: - 树:从简单的遍历问(如前序、中序、后序遍历)开始,逐渐过渡到复杂问(如二叉搜索树验证、平衡二叉树等)。 - 图与回溯算法:学习图的表示方法(邻接矩阵、邻接表),并练习深度优先搜索(DFS)和广度优先搜索(BFS)。结合回溯算法解决组合问、排列问等。 - 贪心算法:选择一些经典的贪心问(如活动选择问、区间覆盖问)进行练习。 - 动态规划:从简单的 DP 问(如爬楼梯、斐波那契数列)入手,逐步掌握状态转移方程的设计技巧。 4. **策略** 时优先选择简单或中等难度的目,并关注通过率较高的目。这有助于建立信心并巩固基础知识[^1]。 #### 推荐目列表 以下是按算法分类的 LeetCode 目推荐列表: 1. **树** - [104. 二叉树的最大深度](https://leetcode-cn.com/problems/maximum-depth-of-binary-tree/) - [94. 二叉树的中序遍历](https://leetcode-cn.com/problems/binary-tree-inorder-traversal/) - [236. 二叉树的最近公共祖先](https://leetcode-cn.com/problems/lowest-common-ancestor-of-a-binary-search-tree/) 2. **图与回溯** - [79. 单词搜索](https://leetcode-cn.com/problems/word-search/) - [51. N皇后](https://leetcode-cn.com/problems/n-queens/) - [78. 子集](https://leetcode-cn.com/problems/subsets/) 3. **贪心** - [455. 分发饼干](https://leetcode-cn.com/problems/assign-cookies/) - [135. 分发糖果](https://leetcode-cn.com/problems/candy/) - [406. 根据身高重建队列](https://leetcode-cn.com/problems/queue-reconstruction-by-height/) 4. **动态规划** - [70. 爬楼梯](https://leetcode-cn.com/problems/climbing-stairs/) - [53. 最大子数组和](https://leetcode-cn.com/problems/maximum-subarray/) - [300. 最长递增子序列](https://leetcode-cn.com/problems/longest-increasing-subsequence/) #### 示例代码 以下是一个简单的动态规划问示例——“不同路径”[^3]: ```python def uniquePaths(m, n): dp = [[1] * n for _ in range(m)] for i in range(1, m): for j in range(1, n): dp[i][j] = dp[i-1][j] + dp[i][j-1] return dp[-1][-1] # 测试用例 print(uniquePaths(3, 2)) # 输出:3 ``` ###
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
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