《LeetCode 49. 字母异位词分组:哈希表 + 排序 全解析》

字母异位词分组是哈希表的经典应用场景之一,核心是找到 "字母异位词的统一特征",并通过哈希表实现高效分组。本文将从题目、核心思路、代码实现、复杂度分析四个维度,完整拆解这道题的解题逻辑。

一、题目

  1. 字母异位词分组
    给你一个字符串数组,请你将字母异位词组合在一起。可以按任意顺序返回结果列表。
    示例 1:
    输入: strs = "eat", "tea", "tan", "ate", "nat", "bat"
    输出: \["bat","nat","tan","ate","eat","tea"]
    解释:
  • 在 strs 中没有字符串可以通过重新排列来形成 "bat"。
  • 字符串 "nat" 和 "tan" 是字母异位词,因为它们可以重新排列以形成彼此。
  • 字符串 "ate" ,"eat" 和 "tea" 是字母异位词,因为它们可以重新排列以形成彼此。
    示例 2:
    输入: strs = ""
    输出: \[""]
    示例 3:
    输入: strs = "a"
    输出: \["a"]

提示:

  • 1 <= strs.length <= 10(4)
  • 0 <= strsi.length <= 100
  • strsi 仅包含小写字母

二、核心思路:

字母异位词的核心特征:字符组成完全相同,仅顺序不同。

因此,若将两个字符串从小到大排序后相等,那这两个字符串就是字母异位词。那么我们可以将这些字符串排序,那就又回到了在一个集合中查找某个特定元素的问题,在这个题中就可以把相同特征的词分类。

用哈希表分组:

  1. 把排序后的字符串当作哈希表的key2
  2. 把排序前的字符串当作哈希表的value。
  3. 遍历字符串数组,对每个字符串排序后,将其归入对应key的列表中
  4. 最终提取哈希表的所有value,即为分组结构。

三、代码实现:

javascript 复制代码
/**
 * 字母异位词分组(哈希表+字符排序)
 * @param {string[]} strs 输入的字符串数组
 * @return {string[][]} 分组后的字母异位词列表
 */
var groupAnagrams = function(strs){
    let hash = {};
    for (const s of strs){
        // 核心操作:将字符串拆分为字符数组→排序→重新拼接(得到统一特征)
        const sortedS = s.split('').sort().join('');
        // 若当前特征未初始化,创建空数组
        if(hash[sortedS]==undefined){
            hash[sortedS]=[];
        }
        // 将原始字符串加入对应特征的列表
        hash[sortedS].push(s);
    }
    return Object.values(hash);
}

四、复杂度分析

时间复杂度:O(n·mlogm)

详细推导:

我们需要关注代码中嵌套最深、最耗时的操作。

  1. 外部循环: for (const s of strs)
    这个循环会执行 n 次。
  2. 内部操作: s.split('').sort().join('')
    这是循环内部最耗时的部分。
    排序 (sort): 对一个长度为 m 的字符串进行排序,通常基于快排或归并排序,平均时间复杂度是 O(m logm)
空间复杂度:O(nm)

总共有 n 个字符串,每个字符串长度最多为 m 。

所以存储所有原始字符串的内容需要 O(nm)。

相关推荐
马可家的菠萝4 分钟前
Vue3 + Canvas 手绘笔记工程化实践:别把画布只当成一张 PNG
前端·vue.js·算法
watersink6 分钟前
机器学习极大似然估计与EM算法
人工智能·算法·机器学习
叠层归一研究院12 分钟前
如何用程序搭建一个 AGI 种子系统(一):从向量种子到无限生长引擎
人工智能·python·算法·机器学习·agi
科学实验家16 分钟前
并 查集
算法
AI服务老曹43 分钟前
视觉算法模型管理性能优化指南:多版本平滑升级、灰度与快速回滚实战
算法·性能优化
l1258651 小时前
# RAG重排序实战:硅基流动bge-reranker-v2-m3在线API vs 本地CrossEncoder,一篇讲透两种方案
数据库·人工智能·python·深度学习·算法·机器学习·langchain
创世宇图1 小时前
【AI量化交易实战】第06讲:小雅再升级——Talib指标库与K线形态量化
算法
机器学习之心2 小时前
CPO-SVR:用冠豪猪优化算法给支持向量回归机“自动调参“,一次预测多个指标
算法·回归·cpo-svr
Super 含2 小时前
Android 启动优化(三):Perfetto 实战——启动时间到底花在哪里?
jvm·算法
地平线开发者2 小时前
征程6|YOLOv5x 在 Horizon J6 平台的完整部署实战(上)
算法