【LeetCode】498.对角线遍历

news2025/1/15 13:52:59

无论何时何地,我都认为对于一道编程题,思考解法的时间用于是实际动手解决问题的2倍!如果敲键盘编码需要5min,那么思考解法的过程至少就需要10分钟。

1. 题目

在这里插入图片描述

2. 思想

其实这就是一道模拟题,难度中等。做这种题的关键就是需要:先把边界情况搞清楚,然后自己手动模拟一下是否能够正确输出。在这个基础上,再写代码。一定是先思考,思考清楚后,再动手编码。

知道这题是一道模拟题,那么该怎么写呢?观察图片,有如下几个特征:
(1)运动轨迹不是斜向往上,就是斜向往下。斜向向上的过程中典型的就是i=i-1,j=j+1;
(2)但是运动到什么时候就改变了运动轨迹了呢?这个地方需要分类讨论。

  • 运动轨迹是斜向上的时候:要么是i当前的值是0(表示是第一行,没法再往上了),要么是j的值是m-1(表示是最后一列,也没法再往上了)
  • 运动轨迹是斜向下的时候:要么是j的值为0(表示是第一列,没法再往下了),要么是i的值是n-1(表示是最后一行,也没法再往下了)
    在上述这两类下,需要改变运动轨迹。
    (3)但是还有一个问题,就是运动轨迹改变后,那么就需要同步修改一下坐标的位置了。这里我们可以设置一个change变量,用于判断是否需要变换位置。change的作用是在如下绿色指针的地方:
    在这里插入图片描述

把上面三个特征进行编码,那么这题就解决了80%的问题了,还剩一部分细节需要处理。

剩下的细节是什么呢?也就是对应下面这个红框中的内容:

  • j=j+1的前提是j!=m-1
  • i=i+1的前提是i!=n-1
    在这里插入图片描述

3. 代码

class Solution:
    def findDiagonalOrder(self, mat: List[List[int]]) -> List[int]:
        cnt = 0
        res = []
        i = 0
        j = 0
        up = 1 # 向上的标志
        n = len(mat)
        m = len(mat[0])# 列
        while(cnt < m*n):
            print(i,j, mat[i][j],", up = ", up)
            res.append(mat[i][j])
            # 判断接下来的方向
            if (up == 1 and i == 0) or (up == 1 and j == m-1):
                print("here,", i, j)
                change = 1
            if (up == 0 and j == 0) or (up == 0 and i == n-1):
                change = 1
            # 下一步的位置是特殊变动还是按照up来变动?
            if change: # 特殊变动
                # print("in change", i, j , "up=",up)
                if up == 1 and i == 0 and j!= m-1:
                    j = j + 1
                    up = 0
                elif up == 1 and j == m-1:
                    # print("here")
                    i = i + 1
                    up = 0
                elif up == 0 and j == 0 and i != n-1:
                    i = i + 1
                    up = 1
                elif up == 0 and i == n-1:
                    j = j + 1
                    up = 1
                change = 0
            else: # 按照up变动
                # 如果是向上
                if up:
                    i = i - 1
                    j = j + 1
                else:
                    i = i + 1
                    j = j - 1
            # 切换up
            cnt += 1
        print(res)
        return res

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.coloradmin.cn/o/2253832.html

如若内容造成侵权/违法违规/事实不符,请联系多彩编程网进行投诉反馈,一经查实,立即删除!

相关文章

Jupyter Lab打印日志

有时候在 jupyter 中执行运行时间较长的程序&#xff0c;且需要一直信息&#xff0c;但是程序执行到某些时候就不再打印了。 可以开启 日志控制台&#xff0c;将日志信息记录在控制台中。 参考&#xff1a;https://www.autodl.com/docs/jupyterlab/

Hbase整合Mapreduce案例1 hdfs数据上传至hbase中——wordcount

目录 整合结构准备java API 编写pom.xmlMain.javaMap.javaReduce 运行 整合结构 准备 上传hdfs data.txt数据 data.txt I am wunaiieq QAQ 123456 Who I am In todays interconnected world the role of technology cannot be overstated It has revolutionized the way we …

temu登录接口逆向分析(含Py纯算)

文章目录 1. 写在前面2. 接口分析3. 算法还原 【&#x1f3e0;作者主页】&#xff1a;吴秋霖 【&#x1f4bc;作者介绍】&#xff1a;擅长爬虫与JS加密逆向分析&#xff01;Python领域优质创作者、CSDN博客专家、阿里云博客专家、华为云享专家。一路走来长期坚守并致力于Python…

python中什么叫做脚本

Python一种面向对象的动态类型语言&#xff0c;是一种脚本语言&#xff0c;常用于各种服务器的维护和自动化运行。它具有丰富和强大的库。它常被称为胶水语言&#xff0c;因为它能够把用其他语言制作的各种模块很轻松地联结在一起。 以.py 结尾的文件就是Python脚本&#xff0…

全面解析 Transformer:改变深度学习格局的神经网络架构

目录 一、什么是 Transformer&#xff1f; 二、Transformer 的结构解析 1. 编码器&#xff08;Encoder&#xff09; 2. 解码器&#xff08;Decoder&#xff09; 3. Transformer 模型结构图 三、核心技术&#xff1a;注意力机制与多头注意力 1. 注意力机制 2. 多头注意力&…

虚幻引擎---材质篇

一、基础知识 虚幻引擎中的材质&#xff08;Materials&#xff09; 定义了场景中对象的表面属性&#xff0c;包括颜色、金属度、粗糙度、透明度等等&#xff1b;可以在材质编辑器中可视化地创建和编辑材质&#xff1b;虚幻引擎的渲染管线的着色器是用高级着色语言&#xff08;…

基于Matlab计算机视觉的车道线识别与前车检测系统研究

随着自动驾驶技术的发展&#xff0c;车道线识别和前车检测成为智能驾驶系统中的核心技术之一。本实训报告围绕基于计算机视觉的车道线识别与前车检测系统展开&#xff0c;旨在通过处理交通视频数据&#xff0c;实时检测车辆所在车道及其与前车的相对位置&#xff0c;从而为车道…

vue.js学习(day 19)

自定义创建项目 ESlint 代码规范 代码规范错误 手动修正 自动修正 settings.json {"emmet.triggerExpansionOnTab": true,"editor.fontSize": 25,// 当保存的时候&#xff0c;eslint自动帮我们修复错误"editor.codeActionsOnSave": {&qu…

物联网——WatchDog(监听器)

看门狗简介 独立看门狗框图 看门狗原理&#xff1a;定时器溢出&#xff0c;产生系统复位信号&#xff1b;若定时‘喂狗’则不产生系统复位信号 定时中断基本结构&#xff08;对比&#xff09; IWDG键寄存器 独立看门狗超时时间 WWDG(窗口看门狗) WWDG特性 WWDG超时时间 由于…

医疗挂号|基于springBoot的医疗挂号管理设计与实现(附项目源码+论文+数据库)

目录 一、摘要 二、相关技术 三、系统设计 四、数据库设计 五、核心代码 六、论文参考 七、源码获取 一、摘要 在如今社会上&#xff0c;关于信息上面的处理&#xff0c;没有任何一个企业或者个人会忽视&#xff0c;如何让信息急速传递&#xff0c;并且归档储存…

lobeChat安装

一、安装Node.js version > v18.17.0 二、下载 cd F:\AITOOLS\LobeChat git clone https://github.com/lobehub/lobe-chat.git &#xff08;下载要是失败就手动下&#xff1a;https://codeload.github.com/lobehub/lobe-chat/zip/refs/heads/main&#xff09; npm install …

电子应用设计方案-38:智能语音系统方案设计

智能语音系统方案设计 一、引言 智能语音系统作为一种便捷、自然的人机交互方式&#xff0c;正逐渐在各个领域得到广泛应用。本方案旨在设计一个高效、准确、功能丰富的智能语音系统。 二、系统概述 1. 系统目标 - 实现高准确率的语音识别和自然流畅的语音合成。 - 支持多种语…

AWS创建ec2实例并连接成功

aws创建ec2实例并连接 aws创建ec2并连接 1.ec2创建前准备 首先创建一个VPC隔离云资源并且有公有子网 2.创建EC2实例 1.启动新实例或者创建实例 2.创建实例名 3.选择AMI使用linux(HVM) 4.选择实例类型 5.创建密钥对下载到本地并填入密钥对名称 6.选择自己创建的VPC和公有子网…

数字逻辑——二进制

目录 1 信息与编码 1.1 什么是信息&#xff1f; 1.2 什么是编码&#xff1f; 2 数制和码制 2.1 数制 3 一些基本概念 3.1 位&#xff08;bit&#xff09; 3.2 字节&#xff08;byte&#xff09; 3.3 数据量的大小表示符号 4 二进制 4.1 二进制简介 4.2 二进制的…

初识TCP(编写回显服务器)

目录 初识TCP&#xff08;编写回显服务器&#xff09;TCP相关的API服务器代码实现客户端代码实现部分代码解释注意事项效果展示 初识TCP&#xff08;编写回显服务器&#xff09; TCP相关的API ServerSocket &#xff1a; 这是socket类&#xff0c;对应到网卡&#xff0c;但是…

ElasticSearch7.x入门教程之全文搜索聚合分析(十)

文章目录 前言一、指标聚合1、统计最大值&#xff1a;Max Aggregation2、统计最小值&#xff1a;Min Aggregation3、统计平均值&#xff1a;Avg Aggregation4、求和&#xff1a;Sum Aggregation5、Cardinality Aggregation6、基本统计&#xff1a;Stats Aggregation7、高级统计…

【Linux】DNS服务配置

DNS DNS是什么 DNS是Domain Name System的缩写,即域名系统。它是一种用来将域名转化为IP地址的系统。在互联网中,每个网站都有一个唯一的IP地址,但是人们更习惯使用简单易记的域名来访问网站。DNS的作用就是将这些域名转化为对应的IP地址,使得人们可以通过域名来访问网站…

第31天:安全开发-JS应用WebPack打包器第三方库JQuery安装使用安全检测

时间轴&#xff1a; 演示案例&#xff1a; 打包器-WebPack-使用&安全 第三方库-JQuery-使用&安全 打包器-WebPack-使用&安全 参考&#xff1a;https://mp.weixin.qq.com/s/J3bpy-SsCnQ1lBov1L98WA Webpack 是一个模块打包器。在 Webpack 中会将前端的所有资源…

开发者如何使用GCC提升开发效率Opencv操作

看此篇前请先阅读 https://blog.csdn.net/qq_20330595/article/details/144134160?spm=1001.2014.3001.5502 https://blog.csdn.net/qq_20330595/article/details/144134160?spm=1001.2014.3001.5502 https://blog.csdn.net/qq_20330595/article/details/144216351?spm=1001…

使用PaddlePaddle实现线性回归模型

目录 ​编辑 引言 PaddlePaddle简介 线性回归模型的构建 1. 准备数据 2. 定义模型 3. 准备数据加载器 4. 定义损失函数和优化器 5. 训练模型 6. 评估模型 7. 预测 结论 引言 线性回归是统计学和机器学习中一个经典的算法&#xff0c;用于预测一个因变量&#xff0…