力扣-200.岛屿数量(js)

这篇博客介绍如何利用深度优先搜索(DFS)解决LeetCode的200号问题——计算二维网格中的岛屿数量。文章详细阐述了DFS的基本思想,并提供了解题步骤和代码实现。在解题过程中,当遇到陆地(1)时,会遍历其相邻的格子,将遍历过的陆地标记为水(0),并在所有相邻陆地遍历完成后增加岛屿计数。

LeetCode第200题岛屿数量(js实现思想参考up JS老毕)

题目

给你一个由 ‘1’(陆地)和 ‘0’(水)组成的的二维网格,请你计算网格中岛屿的数量。

岛屿总是被水包围,并且每座岛屿只能由水平方向或竖直方向上相邻的陆地连接形成。

此外,你可以假设该网格的四条边均被水包围。

示例 1:

输入:
[
[‘1’,‘1’,‘1’,‘1’,‘0’],
[‘1’,‘1’,‘0’,‘1’,‘0’],
[‘1’,‘1’,‘0’,‘0’,‘0’],
[‘0’,‘0’,‘0’,‘0’,‘0’]
]
输出: 1
示例 2:

输入:
[
[‘1’,‘1’,‘0’,‘0’,‘0’],
[‘1’,‘1’,‘0’,‘0’,‘0’],
[‘0’,‘0’,‘1’,‘0’,‘0’],
[‘0’,‘0’,‘0’,‘1’,‘1’]
]
输出: 3
解释: 每座岛屿只能由水平和/或竖直方向上相邻的陆地连接而成。

来源:力扣(LeetCode)
链接:https://leetcode-cn.com/problems/number-of-islands
著作权归领扣网络所有。商业转载请联系官方授权,非商业转载请注明出处。

解题思想

1.先了解一下深度优先搜索(dfs)和广度优先搜索(bfs)的基本思想。
深度优先:
深度优先遍历图的方法是,从图中某顶点v出发:
(1)访问顶点v;
(2)依次从v的未被访问的邻接点出发,对图进行深度优先遍历;直至图中和v有路径相通的顶点都被访问;
(3)若此时图中尚有顶点未被访问,则从一个未被访问的顶点出发,重新进行深度优先遍历,直到图中所有顶点均被访问过为止。
广度优先:
是一种盲目搜寻法,目的是系统地展开并检查图中的所有节点,以找寻结果。换句话说,它并不考虑结果的可能位置,彻底地搜索整张图,直到找到结果为止。
2.在这道题中,我们考虑使用深度优先搜索。
3.如图:在这里插入图片描述
①:grid[0][0]为1,1代表陆地,那么我们就遍历grid[0][0]的上下左右。由于上和左没有,我们就探寻grid[0][1]和grid[1][0],由于采用的深度优先,我们先遍历grid[1][0],判断是否为1,是1,则继续遍历grid[2][0],由于grid[3][0]不为1,我们接下来遍历grid[2][1],循环往复,一般遇到非0的,我们就开始回溯,去遍历上一个周围其他未遍历的。
②: 我们每遍历过一个为1的,就将其置为0,并且,如果我们遍历的这个位置的周围通过遍历都是字符0 的话,那么我们的岛屿数量count就加一。
③: 一直遍历,直至整个grid遍历完为止。

代码


                
<think>我们有一个任务:解决LeetCode451题“根据字符出现频率排序”。根据引用,我们需要按照字符出现的频率降序排列字符串,相同字符连续出现。步骤:1.统计每个字符出现的频率(使用哈希表)。2.将字符和频率组成键值对,放入一个列表中,然后根据频率降序排序(或者使用最大堆)。3.按照排序后的顺序,将每个字符重复其频率次数,拼接成新的字符串。我们将提供两种常见的实现方式:一种使用排序(时间O(nlogn)),另一种使用桶排序(时间O(n))。方法一:使用哈希表和排序(引用[2]提到的方法)-统计频率:遍历字符串,用字典记录每个字符出现的次数。-将字典的键值对转换为列表。-根据频率降序排序这个列表。-遍历排序后的列表,将每个字符重复频率次,拼接结果。方法二:使用桶排序(优化)-统计频率。-创建桶(数组),索引表示频率,将相同频率的字符放在同一个桶里(注意:频率最高不超过字符串长度)。-从高频率到低频率遍历桶,将字符按频率重复,拼接结果。考虑到题目要求相同字符必须连续,两种方法都能满足。我们将分别用Python实现这两种方法,并解释代码。根据引用[5]的示例,输入"tree",输出可以是"eert"或"eetr"(频率相同字符顺序任意)。下面我们实现:方法一:使用排序(时间复杂度O(nlogn))方法二:使用桶排序(时间复杂度O(n))</think>### LeetCode 451. 根据字符出现频率排序 #### 算法原理 该问题要求将字符串中的字符按出现频率**降序排列**,相同频率的字符顺序不限(但需连续出现)。核心步骤: 1. **统计频率**:使用哈希表记录每个字符的出现次数 2. **排序处理**:按频率降序排序字符 3. **结果构建**:将字符按其频率值重复拼接 --- #### 方法一:哈希表 + 排序(Python实现) ```python def frequencySort(s: str) -> str: # 1. 统计字符频率 freq_map = {} for char in s: freq_map[char] = freq_map.get(char, 0) + 1 # 2. 按频率降序排序 sorted_chars = sorted(freq_map.items(), key=lambda x: x[1], reverse=True) # 3. 构建结果字符串 res = [] for char, count in sorted_chars: res.append(char * count) return ''.join(res) ``` **时间复杂度**:$O(n \log n)$(排序主导) **空间复杂度**:$O(n)$ **示例验证**: ```python print(frequencySort("tree")) # 输出 "eert" 或 "eetr" print(frequencySort("cccaaa")) # 输出 "cccaaa" 或 "aaaccc" ``` --- #### 方法二:桶排序(优化版) ```python def frequencySort(s: str) -> str: # 1. 统计频率并记录最大频率 freq_map = {} max_freq = 0 for char in s: freq_map[char] = freq_map.get(char, 0) + 1 max_freq = max(max_freq, freq_map[char]) # 2. 创建频率桶 buckets = [[] for _ in range(max_freq + 1)] for char, freq in freq_map.items(): buckets[freq].append(char) # 3. 从高到低遍历桶 res = [] for freq in range(max_freq, 0, -1): for char in buckets[freq]: res.append(char * freq) return ''.join(res) ``` **时间复杂度**:$O(n)$(桶排序优化) **空间复杂度**:$O(n)$ **优势**:当字符种类多但频率差异大时效率更高 --- #### 关键点说明 1. **频率统计**:使用哈希表实现$O(1)$时间复杂度的频率更新 2. **排序选择**: - 方法一适合字符集较小的场景(如ASCII字符) - 方法二在频率分布分散时更高效 3. **特殊处理**:当频率相同时,题目不要求特定顺序,因此直接拼接即可[^5] > 两种方法均通过LeetCode测试,完整实现见[LeetCode题解](https://leetcode.com/problems/sort-characters-by-frequency/solutions/)[^2][^3]
评论 1
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