# 给定一个保存员工信息的数据结构,它包含了员工 唯一的 id ,重要度 和 直系下属的 id 。
#
# 比如,员工 1 是员工 2 的领导,员工 2 是员工 3 的领导。他们相应的重要度为 15 , 10 , 5 。那么员工 1 的数据结构是 [1, 15,
# [2]] ,员工 2的 数据结构是 [2, 10, [3]] ,员工 3 的数据结构是 [3, 5, []] 。注意虽然员工 3 也是员工 1 的一个下属,但
# 是由于 并不是直系 下属,因此没有体现在员工 1 的数据结构中。
#
# 现在输入一个公司的所有员工信息,以及单个员工 id ,返回这个员工和他所有下属的重要度之和。
#
#
#
# 示例:
#
#
# 输入:[[1, 5, [2, 3]], [2, 3, []], [3, 3, []]], 1
# 输出:11
# 解释:
# 员工 1 自身的重要度是 5 ,他有两个直系下属 2 和 3 ,而且 2 和 3 的重要度均为 3 。因此员工 1 的总重要度是 5 + 3 + 3 = 1
# 1 。
#
#
#
#
# 提示:
#
#
# 一个员工最多有一个 直系 领导,但是可以有多个 直系 下属
# 员工数量不超过 2000 。
#
# Related Topics 深度优先搜索 广度优先搜索 哈希表
class Solution:
def getImportance(self, employees: List['Employee'], id: int) -> int:
relations = {}
imps = {}
for emp in employees:
i = emp.id
imp = emp.importance
subs = emp.subordinates
relations[i] = []
imps[i] = imp
for sub in subs:
relations[i].append(sub)
ret = 0
que = deque()
que.append(id)
while que:
i = que.popleft()
ret += imps[i]
if i in relations.keys():
for sub in relations[i]:
que.append(sub)
return ret
# leetcode submit region end(Prohibit modification and deletion)
用邻接表来存储上司到员工的关系,建立了relations字典;又建立了imps字典存储员工关键度。最后使用广度优先搜索累加关键度即可。
存在问题是,不够pythonic。
其实本题只需存储id到Employee的映射即可,加上python的列表推导能写的很优雅。改写后的代码如下:
class Solution:
def getImportance(self, employees: List['Employee'], id: int) -> int:
relations = {emp.id: emp for emp in employees}
ret = 0
que = deque([id])
while que:
i = que.popleft()
ret += relations[i].importance
for sub in relations[i].subordinates:
que.append(sub)
return ret
另外附上dfs版解法:
class Solution:
def getImportance(self, employees: List['Employee'], id: int) -> int:
relations = {emp.id: emp for emp in employees}
def dfs(id):
emp = relations[id]
return emp.importance + sum(dfs(i) for i in emp.subordinates)
return dfs(id)
直接调用sum计算列表推导式的结果,python真是s啊。
五一出的题很应景,打工人节日快乐!
本文介绍了一种算法,用于计算特定员工及其所有下属的重要度之和。通过构建员工间的关系图并利用广度优先搜索或深度优先搜索算法遍历员工结构,实现高效计算。
781

被折叠的 条评论
为什么被折叠?



