【LeetCode每日一题】——566.重塑矩阵

文章目录

• 一【题目类别】
• 二【题目难度】
• 三【题目编号】
• 四【题目描述】
• 五【题目示例】
• 六【题目提示】
• 七【解题思路】
• 八【时间频度】
• 九【代码实现】
• 十【提交结果】

一【题目类别】

• 矩阵

二【题目难度】

• 简单

三【题目编号】

• 566.重塑矩阵

四【题目描述】

• 在 MATLAB 中，有一个非常有用的函数 reshape ，它可以将一个 m x n 矩阵重塑为另一个大小不同（r x c）的新矩阵，但保留其原始数据。
• 给你一个由二维数组 mat 表示的 m x n 矩阵，以及两个正整数 r 和 c ，分别表示想要的重构的矩阵的行数和列数。
• 重构后的矩阵需要将原始矩阵的所有元素以相同的 行遍历顺序 填充。
• 如果具有给定参数的 reshape 操作是可行且合理的，则输出新的重塑矩阵；否则，输出原始矩阵。

五【题目示例】

• 示例 1：

  • 
  • 输入：mat = \[1,2,3,4], r = 1, c = 4
  • 输出：\[1,2,3,4]

• 示例 2：

  • 
  • 输入：mat = \[1,2,3,4], r = 2, c = 4
  • 输出：\[1,2,3,4]

六【题目提示】

• $m\; =\; =\; m\; a\; t\; .\; l\; e\; n\; g\; t\; h\; m\; ==\; mat.length$m==mat.length
• $n\; =\; =\; m\; a\; t$ i . l e n g t h n == mati.length n==mati.length
• 1<=m,n<=100
• i j < = 1000 -1000 <= matij <= 1000 −1000<=matij<=1000
• 1<=r,c<=300

七【解题思路】

• 例如除法和取模的知识
• 题目要求按行优先重塑矩阵，所以我们遍历原数组的元素个数（设置为i），i对原数组的列数做除法就定位到按行优先存储的对应行数，i对原数组的列数取模就定位到按行优先存储时这一行对应的列数，这样就可以取出原数组按行优先存储时的每一个元素
• 然后将取出的元素存入创建的拥有新的行和列的新的二维数组中，在这个新的二维数组中，我们仍以刚才设置为i去寻找存入位置，i对新的二维数组的列数做除法，就得到了按行优先存储存入的行数，同理，i对新的二维数组的列数取模就定位到按行优先存储时这一行的列数，这样就可以将上一步取出来的元素存储对应位置，实现了二维数组的重塑
• 需要注意的是，如果原二维数组的元素个数不等于新的二维数组的元素的个数，直接返回原数组即可，因为无法重塑数组
• 最后返回结果即可
• PS：对于不同语言实现的细节略有不同，具体可见下面的代码

八【时间频度】

• 时间复杂度： $O\; (\; m\; \ast \; n\; )\; O(m\; *\; n)$O(m∗n)， $m\; 、\; n\; m、n$m、n为分别为传入数组的行数和列数
• 空间复杂度： $O\; (\; m\; \ast \; n\; )\; O(m\; *\; n)$O(m∗n)， $m\; 、\; n\; m、n$m、n为分别为传入数组的行数和列数

九【代码实现】

1. Java语言版

class Solution {
    public int[][] matrixReshape(int[][] mat, int r, int c) {
        int m = mat.length;
        int n = mat[0].length;
        if(m * n != r * c){
            return mat;
        } 
        int[][] res = new int[r][c];
        for(int i = 0;i < m * n;i++){
            res[i / c][i % c] = mat[i / n][i % n];
        }
        return res;
    }
}

2. C语言版

int** matrixReshape(int** mat, int matSize, int* matColSize, int r, int c, int* returnSize, int** returnColumnSizes)
{
    int m = matSize;
    int n = matColSize[0];
    if(m * n != r * c)
    {
        *returnSize = matSize;
        *returnColumnSizes = matColSize;
        return mat;
    }
    *returnSize = r;
    *returnColumnSizes = (int*)malloc(sizeof(int) * r);
    int** res = (int**)malloc(sizeof(int*) * r);
    for(int i = 0;i < r;i++)
    {
        (*returnColumnSizes)[i] = c;
        res[i] = (int*)malloc(sizeof(int) * c);
    }
    for(int i = 0;i < m * n;i++)
    {
        res[i / c][i % c] = mat[i / n][i % n];
    }
    return res;
}

3. Python语言版

class Solution:
    def matrixReshape(self, mat: List[List[int]], r: int, c: int) -> List[List[int]]:
        m = len(mat)
        n = len(mat[0])
        if m * n != r * c:
            return mat
        res = [[0] * c for _ in range(r)]
        for i in range(0,m * n):
            res[i // c][i % c] = mat[i // n][i % n]
        return res

4. C++语言版

class Solution {
public:
    vector<vector<int>> matrixReshape(vector<vector<int>>& mat, int r, int c) {
        int m = mat.size();
        int n = mat[0].size();
        if(m * n != r * c){
            return mat;
        }
        vector<vector<int>> res(r,vector<int>(c));
        for(int i = 0;i < m * n;i++){
            res[i / c][i % c] = mat[i / n][i % n];
        }
        return res;
    }
};

十【提交结果】

1. Java语言版
   

2. C语言版
   

3. Python语言版
   

4. C++语言版