leetcode2418.按身高排序

题目描述:

给你一个字符串数组 names ,和一个由 互不相同 的正整数组成的数组 heights 。两个数组的长度均为 n

对于每个下标 inames[i]heights[i] 表示第 i 个人的名字和身高。

请按身高 降序 顺序返回对应的名字数组 names

示例一:

cpp 复制代码
输入:names = ["Mary","John","Emma"], heights = [180,165,170]
输出:["Mary","Emma","John"]
解释:Mary 最高,接着是 Emma 和 John 。

示例二:

cpp 复制代码
输入:names = ["Alice","Bob","Bob"], heights = [155,185,150]
输出:["Bob","Alice","Bob"]
解释:第一个 Bob 最高,然后是 Alice 和第二个 Bob 。

题目解析:

首先这道题的解决方法不止一种,我们这里有金典的两种:

1.哈希映射法:

就是创建一个身高:名字的哈希表,先将每个人名字和身高的对应信息存入哈希表中,然后再将升

高降序排序,最后再将升高对应的哈希表中的名字取出,就返回了对应的按身高降序排序的名字,

这种方法是最常见的,但并不是最优的。

对应的代码如下:

cpp 复制代码
class Solution 
{
public:
    vector<string> sortPeople(vector<string>& names, vector<int>& heights) 
    {
        int n = names.size();
        unordered_map<int ,string> map;

        //对应关系的放入:
        for(int i = 0;i < n;i++)
        {
            map[heights[i]] = names[i];
        }

        //升高降序排列
        sort(heights.begin(),heights.end(),greater());

        //取出对应的姓名:
        for(int i = 0;i < n;i++)
        {
            names[i] = map[heights[i]];
        }

        return names;
    }
};

2.下标排序法:

这种方法才是本道题的最优解,设置一个下标数组,通过对身高的排序对下标数组进行排序,然后

再遍历一遍下标数组,将名字对应的下标按降序,插入到一个新的字符串数组中,对应代码如下:

cpp 复制代码
class Solution 
{
public:
   vector<string> sortPeople(vector<string>& names, vector<int>& heights) 
   {
        //创建一个下标数组
        vector<string> ret;
        int n = heights.size();
        vector<int> index(n);
        for(int i = 0;i < n;i++)
        {
            index[i] = i;
        }

        //对下标数组进行排序
        sort(index.begin(),index.end(),[&](int x,int y)
        {
            return heights[x] > heights[y];
        });

        //提取结果
        for(int i = 0;i < n;i++)
        {
            ret.push_back(names[index[i]]);
        }

        return ret;

    }
};

通过一个lamda表达式来改变index的排序策略,从而通过index数组的下标记录来队名字有了降序

的排序。

这就是这道题的两种解法。

相关推荐
CoovallyAIHub2 小时前
仿生学突破:SILD模型如何让无人机在电力线迷宫中发现“隐形威胁”
深度学习·算法·计算机视觉
CoovallyAIHub2 小时前
从春晚机器人到零样本革命:YOLO26-Pose姿态估计实战指南
深度学习·算法·计算机视觉
CoovallyAIHub2 小时前
Le-DETR:省80%预训练数据,这个实时检测Transformer刷新SOTA|Georgia Tech & 北交大
深度学习·算法·计算机视觉
CoovallyAIHub2 小时前
强化学习凭什么比监督学习更聪明?RL的“聪明”并非来自算法,而是因为它学会了“挑食”
深度学习·算法·计算机视觉
CoovallyAIHub2 小时前
YOLO-IOD深度解析:打破实时增量目标检测的三重知识冲突
深度学习·算法·计算机视觉
NAGNIP13 小时前
轻松搞懂全连接神经网络结构!
人工智能·算法·面试
NAGNIP13 小时前
一文搞懂激活函数!
算法·面试
董董灿是个攻城狮14 小时前
AI 视觉连载7:传统 CV 之高斯滤波实战
算法
爱理财的程序媛20 小时前
openclaw 盯盘实践
算法