博客
关于我
leetcode之统计匹配检索规则的物品数量(C++)
阅读量:165 次
发布时间:2019-02-28

本文共 792 字,大约阅读时间需要 2 分钟。

为了解决这个问题,我们需要统计给定数组中的物品数量,使其满足特定的检索规则。检索规则可以是物品的类型、颜色或名称中的任意一个。我们可以通过遍历数组并使用哈希表来优化查找过程。

解题思路

  • 初始化哈希表:使用unordered_map存储每个规则关键字对应的索引位置,避免每次都进行类型判断。
  • 遍历数组:对于数组中的每个物品,检查其类型、颜色或名称是否符合给定的检索规则。
  • 统计匹配数量:如果物品满足任一规则条件,则计数器加一。
  • 这种方法的时间复杂度为O(n),其中n是物品的数量,确保了高效性。

    代码实现

    #include 
    #include
    #include
    using namespace std;int countMatches(vector
    > items, string ruleKey, string ruleValue) { unordered_map
    mp; mp["type"] = 0; mp["color"] = 1; mp["name"] = 2; int res = 0; for (int i = 0; i < items.size(); ++i) { if (items[i][mp[ruleKey]] == ruleValue) { res++; } } return res;}

    代码解释

  • 哈希表初始化unordered_map<string, int> mp存储了规则关键字及其对应的索引位置。
  • 循环遍历:对于每个物品,使用哈希表快速找到对应的索引,检查其值是否与规则值匹配。
  • 计数器更新:每当找到符合条件的物品,计数器res加一。
  • 这种方法确保了在处理大量物品时的高效性和准确性。

    转载地址:http://hoxj.baihongyu.com/

    你可能感兴趣的文章
    NLP 基于kashgari和BERT实现中文命名实体识别(NER)
    查看>>
    NLP 项目:维基百科文章爬虫和分类【01】 - 语料库阅读器
    查看>>
    NLP_什么是统计语言模型_条件概率的链式法则_n元统计语言模型_马尔科夫链_数据稀疏(出现了词库中没有的词)_统计语言模型的平滑策略---人工智能工作笔记0035
    查看>>
    NLP学习笔记:使用 Python 进行NLTK
    查看>>
    NLP的神经网络训练的新模式
    查看>>
    NLP采用Bert进行简单文本情感分类
    查看>>
    NLP问答系统:使用 Deepset SQUAD 和 SQuAD v2 度量评估
    查看>>
    NLP:使用 SciKit Learn 的文本矢量化方法
    查看>>
    Nmap扫描教程之Nmap基础知识
    查看>>
    Nmap端口扫描工具Windows安装和命令大全(非常详细)零基础入门到精通,收藏这篇就够了
    查看>>
    NMAP网络扫描工具的安装与使用
    查看>>
    NMF(非负矩阵分解)
    查看>>
    nmon_x86_64_centos7工具如何使用
    查看>>
    NN&DL4.1 Deep L-layer neural network简介
    查看>>
    NN&DL4.3 Getting your matrix dimensions right
    查看>>
    NN&DL4.8 What does this have to do with the brain?
    查看>>
    nnU-Net 终极指南
    查看>>
    No 'Access-Control-Allow-Origin' header is present on the requested resource.
    查看>>
    NO 157 去掉禅道访问地址中的zentao
    查看>>
    no available service ‘default‘ found, please make sure registry config corre seata
    查看>>