2363. 合并相似的物品
题目描述
给你两个二维整数数组 items1 和 items2 ，表示两个物品集合。每个数组 items 有以下特质：
- items[i] = [valuei, weighti] 其中 valuei 表示第 i 件物品的 价值 ，weighti 表示第 i 件物品的 重量 。
- items 中每件物品的价值都是 唯一的 。
请你返回一个二维数组 ret，其中 ret[i] = [valuei, weighti]， weighti 是所有价值为 valuei 物品的 重量之和 。
注意：ret 应该按价值 升序 排序后返回。
示例 1
输入：items1 = [[1,1],[4,5],[3,8]], items2 = [[3,1],[1,5]]
输出：[[1,6],[3,9],[4,5]]
解释：
value = 1 的物品在 items1 中 weight = 1 ，在 items2 中 weight = 5 ，总重量为 1 + 5 = 6 。
value = 3 的物品再 items1 中 weight = 8 ，在 items2 中 weight = 1 ，总重量为 8 + 1 = 9 。
value = 4 的物品在 items1 中 weight = 5 ，总重量为 5 。
所以，我们返回 [[1,6],[3,9],[4,5]] 。
示例 2
输入：items1 = [[1,1],[3,2],[2,3]], items2 = [[2,1],[3,2],[1,3]]
输出：[[1,4],[2,4],[3,4]]
解释：
value = 1 的物品在 items1 中 weight = 1 ，在 items2 中 weight = 3 ，总重量为 1 + 3 = 4 。
value = 2 的物品在 items1 中 weight = 3 ，在 items2 中 weight = 1 ，总重量为 3 + 1 = 4 。
value = 3 的物品在 items1 中 weight = 2 ，在 items2 中 weight = 2 ，总重量为 2 + 2 = 4 。
所以，我们返回 [[1,4],[2,4],[3,4]] 。
示例 3
输入：items1 = [[1,3],[2,2]], items2 = [[7,1],[2,2],[1,4]]
输出：[[1,7],[2,4],[7,1]]
解释：
value = 1 的物品在 items1 中 weight = 3 ，在 items2 中 weight = 4 ，总重量为 3 + 4 = 7 。
value = 2 的物品在 items1 中 weight = 2 ，在 items2 中 weight = 2 ，总重量为 2 + 2 = 4 。
value = 7 的物品在 items2 中 weight = 1 ，总重量为 1 。
所以，我们返回 [[1,7],[2,4],[7,1]] 。
提示
- 1 <= items1.length, items2.length <= 1000
- items1[i].length == items2[i].length == 2
- 1 <= valuei, weighti <= 1000
- items1 中每个 valuei 都是 唯一的 。
- items2 中每个 valuei 都是 唯一的 。
算法一：map 和 vector 的转化
思路
- 首先将 items1 里的 value 和 weight 转换为 map 对应的 键值对，由于 map 会默认对 key 升序排序，因此此时的顺序已经满足了题目的要求。
- 接着遍历 items2 ，将 items2 中对应的物品也加入到 map 中。
- 此时 map 里存储的键值对就是答案，但是这道题要求我们返回二维 vector ，因此还需要将 map 转化为 二维 vector。
收获
- 一开始想要哈希表，但是如果用下标存储 value ，太浪费空间了；如果是使用二维数组作为哈希表，遍历 items2 的时候又难以获得 value ，最后看了提示，可以用 map 。
- map 访问对象 ， key - map.first ， value - map.second；
- 如何将 map 转化为 二维 vector ：这个我想了很久，后来发现可以创建一维 vector，将 map.first 和 map.second 放入，再将一维数组 push_back 到二维数组 ans 中，得到最终答案。
算法情况
-
时间复杂度：O（n + m）， 其中 n 和 m 分别为 items1 和 items2 的长度；
-
空间复杂度：O（n + m）， 其中 n 和 m 分别为 items1 和 items2 的长度。
代码
class Solution {
public:
vector<vector<int>> mergeSimilarItems(vector<vector<int>>& items1, vector<vector<int>>& items2) {
// map默认对key升序排序
map<int, int> mp;
// 转化为map
for(auto t : items1){
mp[t[0]] = t[1];
}
for(auto t2: items2){
mp[t2[0]] += t2[1];
}
vector<vector<int>> ans;
// map 转化为 vector<vector<int>>
for(auto s : mp){
vector<int> temp = {s.first, s.second};
ans.push_back(temp);
}
return ans;
}
};
