【leedcode】1583. 统计不开心的朋友

120 阅读3分钟

这是我参与8月更文挑战的第16天,活动详情查看:8月更文挑战

难度: 中等

题目描述

给你一份 n 位朋友的亲近程度列表,其中 n 总是 偶数 。

对每位朋友 i,preferences[i] 包含一份 按亲近程度从高到低排列 的朋友列表。换句话说,排在列表前面的朋友与 i 的亲近程度比排在列表后面的朋友更高。每个列表中的朋友均以 0 到 n-1 之间的整数表示。

所有的朋友被分成几对,配对情况以列表 pairs 给出,其中 pairs[i] = [xi, yi] 表示 xi 与 yi 配对,且 yi 与 xi 配对。

但是,这样的配对情况可能会是其中部分朋友感到不开心。在 x 与 y 配对且 u 与 v 配对的情况下,如果同时满足下述两个条件,x 就会不开心:

x 与 u 的亲近程度胜过 x 与 y,且 u 与 x 的亲近程度胜过 u 与 v 返回 不开心的朋友的数目 。

示例 1:

输入:n = 4, preferences = [[1, 2, 3], [3, 2, 0], [3, 1, 0], [1, 2, 0]], pairs = [[0, 1], [2, 3]]
输出:2
解释:
朋友 1 不开心,因为:
- 10 配对,但 13 的亲近程度比 10 高,且
- 31 的亲近程度比 32 高。
朋友 3 不开心,因为:
- 32 配对,但 31 的亲近程度比 32 高,且
- 13 的亲近程度比 10 高。
朋友 02 都是开心的。

示例 2:

输入:n = 2, preferences = [[1], [0]], pairs = [[1, 0]]
输出:0
解释:朋友 01 都开心。

示例 3:

输入:n = 4, preferences = [[1, 3, 2], [2, 3, 0], [1, 3, 0], [0, 2, 1]], pairs = [[1, 3], [0, 2]]
输出:4

提示:

  • 2 <= n <= 500
  • n 是偶数
  • preferences.length == n
  • preferences[i].length == n - 1
  • 0 <= preferences[i][j] <= n - 1
  • preferences[i] 不包含 i
  • preferences[i] 中的所有值都是独一无二的
  • pairs.length == n/2
  • pairs[i].length == 2
  • xi != yi
  • 0 <= xi, yi <= n - 1
  • 每位朋友都 恰好 被包含在一对中

解题思路

  • 读题,进行拆分
  • 计算亲密度,在前就是亲密度,从列表来看,也就是index越小,亲密度越高
  • 亲密度的比较,开心和不开心的规则,找出不开心的人,也就能找到不开心的人,再就是统计数量。
  • 本着不是只为了找个数而已,重点是思考如何用编码表示这个这个世界的关系。
class Solution(object):
    def unhappyFriends(self, n, preferences, pairs):
        gd_list=[] # 题意拆解 分为两个部分 好的 不好的
        ungd_list=[]        
        ht = {} 
        # 使用如下的方法将配对组合起来,i表示key,配对的对象用value表示
        for i,j in pairs:
            ht[i]=j
            ht[j]=i
        # 首先找到 i 的 x和y,也就是找到x和y    
        for x in ht:  
            x = 1
            y = ht[x]
            # 找到x和y以后,想办法找到u,v 由于 u,v也可以是配对为v,u,所以采用遍历的方法
            for index,i in enumerate(preferences[x]):# 你所在的位置没有你,利用这个排除,x和y就是u和v
                if i != y: # 排除y的情况目的是找u,v
                    y_index = preferences[x].index(y)
                    u = i
                    v = ht[u]
                    u_index = index
                    v_index = preferences[x].index(v)
                    # 利用index进行计算与i的关系亲密程度,index越小,亲密程度越高,
                    # 由于亲密关系表中,不包括自己,这个列表中,是按照顺序存放,也就是所有的朋友编号
                    # 和list的index一致,利用这个特点,减少了遍历
                    if u_index < y_index and preferences[u].index(x)<preferences[u].index(v):
                        ungd_list.append(x)
        return len(set(ungd_list))