LeetCode 1737. 满足三条件之一需改变的最少字符数
给你两个字符串 a 和 b ,二者均由小写字母组成。一步操作中,你可以将 a 或 b 中的 任一字符 改变为 任一小写字母 。
操作的最终目标是满足下列三个条件 之一 :
a 中的 每个字母 在字母表中 严格小于 b 中的 每个字母 。
b 中的 每个字母 在字母表中 严格小于 a 中的 每个字母 。
a 和 b 都 由 同一个 字母组成。
返回达成目标所需的 最少 操作数。
示例 1:
输入:a = "aba", b = "caa"
输出:2
解释:满足每个条件的最佳方案分别是:
1) 将 b 变为 "ccc",2 次操作,满足 a 中的每个字母都小于 b 中的每个字母;
2) 将 a 变为 "bbb" 并将 b 变为 "aaa",3 次操作,满足 b 中的每个字母都小于 a 中的每个字母;
3) 将 a 变为 "aaa" 并将 b 变为 "aaa",2 次操作,满足 a 和 b 由同一个字母组成。
最佳的方案只需要 2 次操作(满足条件 1 或者条件 3)。
示例 2:
输入:a = "dabadd", b = "cda"
输出:3
解释:满足条件 1 的最佳方案是将 b 变为 "eee" 。
提示:
1 <= a.length, b.length <= 105
a 和 b 只由小写字母组成
前置知识
- 计数
- 枚举
思路
三个条件中,前两个条件其实是一样的,因为如果你会了其中一个,那么你只需要将 A 和 B 交换位置就可以解出另外一个了。
对于前两个条件来说,我们可以枚举所有可能。以条件一 A 中的 每个字母 在字母表中 严格小于 B 中的 每个字母
为例。我们要做的就是枚举所有可能的 A 的最大字母 和 B 的最小字母(其中 A 的最大字母保证严格小于 B 的最大字母),并计算操作数,最后取最小值即可。
代码上,我们需要先统计 A 和 B 的字符出现次数信息,不妨分别记为 counter_A 和 counter_B。接下来,我们就可以执行核心的枚举逻辑了。
核心代码:
# 枚举 A 的最大字母
for i in range(1, 26):
t = 0
# A 中大于等于 i 的所有字符都需要进行一次操作
for j in range(i, 26):
t += counter_A[j]
# B 中小于 i 的所有字符都需要进行一次操作
for j in range(i):
t += counter_B[j]
# 枚举的所有情况中取最小的
ans = min(ans, t)
而对于第三个条件,则比较简单,我们只需要将 A 和 B 改为同一个字母,并计算出操作数,取最小值即可。我们可能修改成的字母一共只有 26 种可能,因此直接枚举即可。
核心代码:
for i in range(26):
ans = min(ans, len(A) + len(B) - counter_A[i] - counter_B[i])
关键点
- 使用一个长度为 26 的数组计数不仅性能比哈希表好,并且在这里代码书写会更简单
代码
- 语言支持:Python3
class Solution:
def minCharacters(self, A: str, B: str) -> int:
counter_A = [0] * 26
counter_B = [0] * 26
for a in A:
counter_A[ord(a) - ord('a')] += 1
for b in B:
counter_B[ord(b) - ord('a')] += 1
ans = len(A) + len(B)
for i in range(26):
ans = min(ans, len(A) + len(B) - counter_A[i] - counter_B[i])
for i in range(1, 26):
t = 0
for j in range(i, 26):
t += counter_A[j]
for j in range(i):
t += counter_B[j]
ans = min(ans, t)
for i in range(1, 26):
t = 0
for j in range(i, 26):
t += counter_B[j]
for j in range(i):
t += counter_A[j]
ans = min(ans, t)
return ans
我们也可以将操作封装成函数方便理解。其中:
- greater_cost(a, b) 表示 a 中严格大于 b 的最小操作数。
- equal_cost(a, b) 表示将 a 和 b 转化为同一字符的最小操作数。
class Solution:
def minCharacters(self, A: str, B: str) -> int:
ca = collections.Counter(A)
cb = collections.Counter(B)
# ca 中严格大于 cb 的最小操作数
def greater_cost(ca, cb):
ans = float("inf")
# 枚举 ca 中的最小值
for i in range(1, 26):
count = 0
# 将 ca 中小于最小值的都进行一次操作
for j in range(i):
count += ca[chr(97 + j)]
# 将 cb 中大于等于最小值的都进行一次操作(注意这里的等号)
for j in range(i, 26):
count += cb[chr(97 + j)]
ans = min(ans, count)
return ans
def equal_cost(ca, cb):
ans = float("inf")
for i in range(26):
ans = min(ans, len(A) + len(B) - ca[chr(97 + i)] - cb[chr(97 + i)])
return ans
return min(greater_cost(ca, cb), greater_cost(cb, ca), equal_cost(ca, cb))
复杂度分析
令 m, n 分别为数组 A 和数组 B 的长度。
- 时间复杂度:$O(m + n)$
- 空间复杂度:$O(26)$
如果你对这篇内容有疑问,欢迎到本站社区发帖提问 参与讨论,获取更多帮助,或者扫码二维码加入 Web 技术交流群。
绑定邮箱获取回复消息
由于您还没有绑定你的真实邮箱,如果其他用户或者作者回复了您的评论,将不能在第一时间通知您!
发布评论