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
CVPR 2026 | MixerCSeg:仅2.05 GFLOPs刷新四大裂缝分割基准!解耦Mamba隐式注意力,CNN+Transformer+Mamba三
深度学习·算法·计算机视觉
CoovallyAIHub3 小时前
YOLO26-Pose 深度解读:端到端架构重新设计,姿态估计凭什么跨代领先?
深度学习·算法·计算机视觉
CoovallyAIHub3 小时前
化工厂气体泄漏怎么用AI检测?30张图3D重建气体泄漏场景——美国国家实验室NeRF新研究
深度学习·算法·计算机视觉
颜酱15 小时前
图的数据结构:从「多叉树」到存储与遍历
javascript·后端·算法
zone773920 小时前
006:RAG 入门-面试官问你,RAG 为什么要切块?
后端·算法·面试
CoovallyAIHub1 天前
OpenClaw 近 2000 个 Skills,为什么没有一个好用的视觉检测工具?
深度学习·算法·计算机视觉
CoovallyAIHub1 天前
CVPR 2026 | 用一句话告诉 AI 分割什么——MedCLIPSeg 让医学图像分割不再需要海量标注
深度学习·算法·计算机视觉
CoovallyAIHub1 天前
Claude Code 突然变成了 66 个专家?这个 5.8k Star 的开源项目,让我重新理解了什么叫"会用 AI"
深度学习·算法·计算机视觉
兆子龙1 天前
前端哨兵模式(Sentinel Pattern):优雅实现无限滚动加载
前端·javascript·算法
CoovallyAIHub1 天前
9个视觉语言模型工厂实测:Qwen 87.9%碾压全场,你的显卡能跑哪个?
算法