力扣hot100-矩阵置零

目录

前言

概念介绍

思路分析

代码示例

总结


前言

        在c++里矩阵一般都是以二维数组实现的,既然是数组,那数组常用的标记法也同样适用,就比如本文下面要介绍的力扣73. 矩阵置零就可以用标记法解决。

概念介绍

        原地算法是不使用或仅使用极少量(常数级,O (1))额外空间,直接在原始数据结构(如数组、链表)上进行修改、操作的方式。

思路分析

        该算法的核心思路是先标记后置零处理矩阵置零问题,以实现 “原地” 操作的同时保证逻辑清晰:
       标记阶段: 定义两个数组 row(长度为矩阵行数)和 col(长度为矩阵列数),分别用于记录 “某一行是否需要全置零” 和 “某一列是否需要全置零”。
遍历整个矩阵,当遇到元素 matrix[i][j] = 0 时,将 row[i] 和 col[j] 标记为 1(表示第 i 行和第 j 列需要全置零)。
        置零阶段:再次遍历整个矩阵,对于每个元素 matrix[i][j],只要 row[i](第 i 行需要置零)或者 col[j](第 j 列需要置零)为 1,就将该元素设为 0。
复杂度分析
        时间复杂度:O(m×n)(m 是行数,n 是列数)。需要两次遍历矩阵,每次遍历的时间复杂度都是 O(m×n)。
空间复杂度:O(m + n)。需要额外的两个数组 row 和 col 分别存储行和列的标记状态,本题里m、n<=200,所以可以看作是常量级。
 

代码示例

class Solution {
public:
    void setZeroes(vector<vector<int>>& matrix) {
        // 获取矩阵的行数和列数
        int length = matrix.size();
        int widgth = matrix[0].size();
        // 用于标记需要置零的行和列
        vector<int> row(length), col(widgth);
        // 第一次遍历:标记包含0的行和列
        for (int i = 0; i < length; i++) {
            for (int j = 0; j < widgth; j++) {
                if (!matrix[i][j]) { // 如果当前元素为0
                    row[i] = 1;     // 标记第i行为需要置零
                    col[j] = 1;     // 标记第j列为需要置零
                }
            }
        }
        // 第二次遍历:根据标记将对应行和列的元素置零
        for (int i = 0; i < length; i++) {
            for (int j = 0; j < widgth; j++) {
                if (row[i] || col[j]) { // 如果当前行或列被标记为需要置零
                    matrix[i][j] = 0;   // 将当前元素置零
                }
            }
        }
    }
};

总结

        以上就是本文的主要内容了,数组其实就是可以存储数据的一种数据结构,它能存放数据的信息,可以把它看作一个容器,明白了这点,遇到数组方面的题可以多往这方面考虑,会有意想不到的结果。

### 力扣热门100题列表 力扣(LeetCode)上的热门题目通常是指那些被广泛讨论、高频面试或者具有较高难度的题目。这些题目涵盖了数据结构和算法的核心知识点,适合用来提升编程能力和解决实际问题的能力。 以下是基于社区反馈整理的部分 **LeetCode Hot 100 Problems List**: #### 数组与字符串 1. Two Sum (两数之和)[^1] 2. Longest Substring Without Repeating Characters (无重复字符的最长子串)[^2] 3. Median of Two Sorted Arrays (两个有序数组的中位数)[^1] 4. Container With Most Water (盛最多水的容器)[^2] #### 链表 5. Reverse Linked List (反转链表) 6. Merge Two Sorted Lists (合并两个有序链表) 7. Remove Nth Node From End of List (删除倒数第N个节点) 8. Linked List Cycle II (环形链表II) #### 堆栈与队列 9. Valid Parentheses (有效的括号) 10. Min Stack (最小栈) 11. Sliding Window Maximum (滑动窗口最大值)[^2] #### 树与二叉树 12. Binary Tree Inorder Traversal (二叉树的中序遍历) 13. Validate Binary Search Tree (验证二叉搜索树) 14. Same Tree (相同的树) 15. Serialize and Deserialize Binary Tree (序列化与反序列化二叉树) #### 图论 16. Number of Islands (岛屿数量) 17. Course Schedule (课程表) 18. Clone Graph (克隆图) #### 排序与搜索 19. Find First and Last Position of Element in Sorted Array (在排序数组中查找元素的第一个和最后一个位) 20. Search a 2D Matrix (二维矩阵搜索) 21. K Closest Points to Origin (最接近原点的K个点) #### 动态规划 22. Climbing Stairs (爬楼梯) 23. House Robber (打家劫舍)[^1] 24. Coin Change (钱兑换) 25. Unique Paths (不同路径) #### 贪心算法 26. Jump Game (跳跃游戏)[^1] 27. Non-overlapping Intervals (无重叠区间) 28. Best Time to Buy and Sell Stock (买卖股票的最佳时机)[^1] #### 字符串匹配与处理 29. Implement strStr() (实现strStr()) 30. Longest Consecutive Sequence (最长连续序列) 31. Group Anagrams (分组异位词) --- ### 示例代码片段 以下是一个关于动态规划的经典例子——`Climbing Stairs` 的 Python 实现: ```python class Solution: def climbStairs(self, n: int) -> int: if n == 1 or n == 2: return n dp = [0] * (n + 1) dp[1], dp[2] = 1, 2 for i in range(3, n + 1): dp[i] = dp[i - 1] + dp[i - 2] return dp[n] ``` 上述代码通过动态规划的方式解决了 `Climbing Stairs` 问题,时间复杂度为 \(O(n)\),空间复杂度同样为 \(O(n)\)[^1]。 --- ###
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