Leetcode 1170. 比較字符串最小字母出現(xiàn)頻次

題目描述

我們來定義一個函數(shù) f(s)犬性,其中傳入?yún)?shù) s 是一個非空字符串;該函數(shù)的功能是統(tǒng)計 s 中(按字典序比較)最小字母的出現(xiàn)頻次腾仅。

例如乒裆,若 s = "dcce",那么 f(s) = 2推励,因為最小的字母是 "c"鹤耍,它出現(xiàn)了 2 次。

現(xiàn)在验辞,給你兩個字符串數(shù)組待查表 queries 和詞匯表 words稿黄,請你返回一個整數(shù)數(shù)組 answer 作為答案,其中每個 answer[i] 是滿足 f(queries[i]) < f(W) 的詞的數(shù)目受神,W 是詞匯表 words 中的詞抛猖。

示例 1:

輸入:queries = ["cbd"], words = ["zaaaz"]
輸出:[1]
解釋:查詢 f("cbd") = 1,而 f("zaaaz") = 3 所以 f("cbd") < f("zaaaz")鼻听。

示例 2:

輸入:queries = ["bbb","cc"], words = ["a","aa","aaa","aaaa"]
輸出:[1,2]
解釋:第一個查詢 f("bbb") < f("aaaa")财著,第二個查詢 f("aaa") 和 f("aaaa") 都 > f("cc")。

說明:

  • 1 <= queries.length <= 2000
  • 1 <= words.length <= 2000
  • 1 <= queries[i].length, words[i].length <= 10
  • queries[i][j], words[i][j] 都是小寫英文字母

解法

由題目可知撑碴,f 函數(shù)是指最小元素的出現(xiàn)頻次撑教,要返回的是 queries 數(shù)組中每個元素 queries[i] 對應的 W 的個數(shù),W 是指 words 數(shù)組中的元素醉拓,其元素的 f 函數(shù)值大于對應的 queries[i]f 函數(shù)值伟姐。

最簡單的方式自然是遍歷 queries 數(shù)組,對于每個元素遍歷 words 數(shù)組亿卤,計算出 W 的個數(shù)愤兵。不過該方式的時間開銷較大,不推薦該方式排吴。

因為每個元素的 f 函數(shù)值不大于 10秆乳,即值的范圍是有限的,因此不妨申請固定長度的數(shù)組,以 f 值對應數(shù)組下標屹堰,存儲每個 f 值對應的 W 元素的個數(shù)肛冶。因此只需要 queries 數(shù)組的一次遍歷,即可獲得要返回的結(jié)果扯键。

class Solution:
    def numSmallerByFrequency(self, queries: List[str], words: List[str]) -> List[int]:
        arr,count=[0]*11,0
        for word in words:
            arr[word.count(min(word))]+=1
        for i in range(10,0,-1):
            arr[i],count=count,count+arr[i]
        return [arr[e.count(min(e))] for e in queries]
?著作權歸作者所有,轉(zhuǎn)載或內(nèi)容合作請聯(lián)系作者
  • 序言:七十年代末睦袖,一起剝皮案震驚了整個濱河市,隨后出現(xiàn)的幾起案子荣刑,更是在濱河造成了極大的恐慌馅笙,老刑警劉巖,帶你破解...
    沈念sama閱讀 206,126評論 6 481
  • 序言:濱河連續(xù)發(fā)生了三起死亡事件嘶摊,死亡現(xiàn)場離奇詭異延蟹,居然都是意外死亡,警方通過查閱死者的電腦和手機叶堆,發(fā)現(xiàn)死者居然都...
    沈念sama閱讀 88,254評論 2 382
  • 文/潘曉璐 我一進店門阱飘,熙熙樓的掌柜王于貴愁眉苦臉地迎上來,“玉大人虱颗,你說我怎么就攤上這事沥匈。” “怎么了忘渔?”我有些...
    開封第一講書人閱讀 152,445評論 0 341
  • 文/不壞的土叔 我叫張陵高帖,是天一觀的道長。 經(jīng)常有香客問我畦粮,道長散址,這世上最難降的妖魔是什么? 我笑而不...
    開封第一講書人閱讀 55,185評論 1 278
  • 正文 為了忘掉前任宣赔,我火速辦了婚禮预麸,結(jié)果婚禮上,老公的妹妹穿的比我還像新娘儒将。我一直安慰自己吏祸,他們只是感情好,可當我...
    茶點故事閱讀 64,178評論 5 371
  • 文/花漫 我一把揭開白布钩蚊。 她就那樣靜靜地躺著贡翘,像睡著了一般。 火紅的嫁衣襯著肌膚如雪砰逻。 梳的紋絲不亂的頭發(fā)上鸣驱,一...
    開封第一講書人閱讀 48,970評論 1 284
  • 那天,我揣著相機與錄音蝠咆,去河邊找鬼丐巫。 笑死,一個胖子當著我的面吹牛,可吹牛的內(nèi)容都是我干的递胧。 我是一名探鬼主播,決...
    沈念sama閱讀 38,276評論 3 399
  • 文/蒼蘭香墨 我猛地睜開眼赡茸,長吁一口氣:“原來是場噩夢啊……” “哼缎脾!你這毒婦竟也來了?” 一聲冷哼從身側(cè)響起占卧,我...
    開封第一講書人閱讀 36,927評論 0 259
  • 序言:老撾萬榮一對情侶失蹤遗菠,失蹤者是張志新(化名)和其女友劉穎,沒想到半個月后华蜒,有當?shù)厝嗽跇淞掷锇l(fā)現(xiàn)了一具尸體辙纬,經(jīng)...
    沈念sama閱讀 43,400評論 1 300
  • 正文 獨居荒郊野嶺守林人離奇死亡,尸身上長有42處帶血的膿包…… 初始之章·張勛 以下內(nèi)容為張勛視角 年9月15日...
    茶點故事閱讀 35,883評論 2 323
  • 正文 我和宋清朗相戀三年叭喜,在試婚紗的時候發(fā)現(xiàn)自己被綠了贺拣。 大學時的朋友給我發(fā)了我未婚夫和他白月光在一起吃飯的照片。...
    茶點故事閱讀 37,997評論 1 333
  • 序言:一個原本活蹦亂跳的男人離奇死亡捂蕴,死狀恐怖譬涡,靈堂內(nèi)的尸體忽然破棺而出,到底是詐尸還是另有隱情啥辨,我是刑警寧澤涡匀,帶...
    沈念sama閱讀 33,646評論 4 322
  • 正文 年R本政府宣布,位于F島的核電站溉知,受9級特大地震影響陨瘩,放射性物質(zhì)發(fā)生泄漏。R本人自食惡果不足惜级乍,卻給世界環(huán)境...
    茶點故事閱讀 39,213評論 3 307
  • 文/蒙蒙 一舌劳、第九天 我趴在偏房一處隱蔽的房頂上張望。 院中可真熱鬧卡者,春花似錦蒿囤、人聲如沸。這莊子的主人今日做“春日...
    開封第一講書人閱讀 30,204評論 0 19
  • 文/蒼蘭香墨 我抬頭看了看天上的太陽。三九已至恒傻,卻和暖如春脸侥,著一層夾襖步出監(jiān)牢的瞬間,已是汗流浹背盈厘。 一陣腳步聲響...
    開封第一講書人閱讀 31,423評論 1 260
  • 我被黑心中介騙來泰國打工睁枕, 沒想到剛下飛機就差點兒被人妖公主榨干…… 1. 我叫王不留,地道東北人。 一個月前我還...
    沈念sama閱讀 45,423評論 2 352
  • 正文 我出身青樓外遇,卻偏偏與公主長得像注簿,于是被迫代替她去往敵國和親。 傳聞我的和親對象是個殘疾皇子跳仿,可洞房花燭夜當晚...
    茶點故事閱讀 42,722評論 2 345

推薦閱讀更多精彩內(nèi)容