一、问题背景
字母异位词：由相同字母组成、但字母排列顺序不同的单词（如 "eat"、"tea"、"ate"）。
目标：将数组中所有互为字母异位词的单词分组到一起。
示例：
- 输入：
["eat","tea","tan","ate","nat","bat"] - 输出：
[["bat"],["nat","tan"],["ate","eat","tea"]]
二、解法一：排序字符串作为键（推荐）
核心思路
- 互为异位词的字符串，排序后结果完全相同（如
"eat"和"tea"排序后均为"aet"）。 - 用排序后的字符串作为
key，原字符串作为value，存入字典分组。 - 时间复杂度：O(n * k log k) （n 为单词总数，k 为单词最大长度）
- 空间复杂度：O(n * k)
from collections import defaultdict
class Solution:
def groupAnagrams(self, strs: list[str]) -> list[list[str]]:
# 增强版字典：当访问不存在的键时，自动创建空列表作为默认值
d = defaultdict(list)
for s in strs:
# 对字符串排序，生成唯一key
sorted_str = "".join(sorted(s))
# 将原字符串加入对应分组
d[sorted_str].append(s)
# 取出字典中所有值，即为分组结果
return list(d.values())
关键知识点
defaultdict(list)：避免手动判断key是否存在，直接调用append()。sorted(s)：对任意序列排序，返回列表；"".join(...)将列表拼接为字符串。- 示例：
sorted("tea") → ['t','e','a']→"aet"。
三、解法二：字符计数作为键（进阶）
核心思路
- 字母仅为小写（26 个），用长度为 26 的数组统计每个字母出现次数。
- 将计数数组转换为元组（可哈希）作为
key，原字符串作为value分组。 - 时间复杂度：O(n * k) （避免排序，计数为线性操作）
- 空间复杂度：O(n * k)
from collections import defaultdict
class Solution:
def groupAnagrams(self, strs: list[str]) -> list[list[str]]:
# 创建一个默认值为列表的字典
anagram_map = defaultdict(list)
for s in strs:
# 初始化26个0的计数数组，对应a-z
count = [0] * 26
for char in s:
# 将字符映射到0-25的索引，并计数
count[ord(char) - ord('a')] += 1
# 列表不可哈希，转换为元组作为key
anagram_map[tuple(count)].append(s)
# 返回所有分组
return list(anagram_map.values())
关键知识点
ord(char) - ord('a')：将字符a-z映射到0-25的索引。- 元组
tuple(count)：列表不可作为字典键，元组可哈希，适合作为key。 - 优势：无需排序，在单词较长时性能更优。
四、核心 API 与技巧总结
| 函数 / 类 | 作用 |
|---|---|
defaultdict(list) | 自动创建空列表作为默认值，简化分组逻辑 |
sorted(s) | 对字符串排序，生成异位词的唯一标识 |
ord(c) | 返回字符的 Unicode 编码，用于字符计数 |
tuple(list) | 将列表转为可哈希的元组，作为字典键 |
dict.values() | 取出字典中所有值，得到最终分组 |
五、两种解法对比
| 维度 | 排序法 | 计数法 |
|---|---|---|
| 实现复杂度 | 简单，代码更短 | 稍复杂，需手动计数 |
| 时间效率 | O(nk log k) | O (nk)，长文本更优 |
| 适用场景 | 通用场景，代码易读 | 已知字符范围（如小写字母） |
| 空间占用 | O(nk) | O(nk) |
