电商网站开发分析,昆明官网seo厂家,影院wordpress主题,文化传媒主播公司 东莞网站建设Python算法题集_搜索二维矩阵 题74#xff1a;搜索二维矩阵1. 示例说明2. 题目解析- 题意分解- 优化思路- 测量工具 3. 代码展开1) 标准求解【矩阵展开为列表二分法】2) 改进版一【行*列区间二分法】3) 改进版二【第三方模块】 4. 最优算法5. 相关资源 本文为Python算法题集之… Python算法题集_搜索二维矩阵 题74搜索二维矩阵1. 示例说明2. 题目解析- 题意分解- 优化思路- 测量工具 3. 代码展开1) 标准求解【矩阵展开为列表二分法】2) 改进版一【行*列区间二分法】3) 改进版二【第三方模块】 4. 最优算法5. 相关资源 本文为Python算法题集之一的代码示例
题74搜索二维矩阵
1. 示例说明 给你一个满足下述两条属性的 m x n 整数矩阵 每行中的整数从左到右按非严格递增顺序排列。每行的第一个整数大于前一行的最后一个整数。 给你一个整数 target 如果 target 在矩阵中返回 true 否则返回 false 。 示例 1 输入matrix [[1,3,5,7],[10,11,16,20],[23,30,34,60]], target 3
输出true示例 2 输入matrix [[1,3,5,7],[10,11,16,20],[23,30,34,60]], target 13
输出false提示 m matrix.lengthn matrix[i].length1 m, n 100-104 matrix[i][j], target 104 2. 题目解析
- 题意分解
本题是在已排序二维矩阵中查找目标数字最快方式就是二分法
- 优化思路 通常优化减少循环层次 通常优化增加分支减少计算集 通常优化采用内置算法来提升计算速度 分析题目特点分析最优解 本题的已排序二维矩阵可以连成排序一维列表实现一维列表二分法 本题的二维矩阵首尾可以连成排序一维列表定位具体行之后在具体行中再进行二分查找 可以考虑使用排序列表操作模块bisect
- 测量工具
本地化测试说明LeetCode网站测试运行时数据波动很大【可把页面视为功能测试】因此需要本地化测试解决数据波动问题CheckFuncPerf本地化函数用时和内存占用测试模块已上传到CSDN地址Python算法题集_检测函数用时和内存占用的模块本题本地化超时测试用例自己生成详见章节【最优算法】代码文件包含在【相关资源】中 3. 代码展开
1) 标准求解【矩阵展开为列表二分法】
将矩阵展开为列表再通过二分法查找目标数值是否存在
页面功能测试马马虎虎超过53%
import CheckFuncPerf as cfpclass Solution:def searchMatrix_base(self, matrix, target):if not matrix:return Falseimaxrow, imaxcol, listval len(matrix), len(matrix[0]), []for iIdx in range(len(matrix)):listval.extend(matrix[iIdx])ileft, iright 0, len(listval) - 1while ileft iright:imid (iright - ileft) // 2 ileftif target listval[imid]:return Trueif target listval[imid]:iright imid - 1else:ileft imid 1return FalseaSolution Solution()
result cfp.getTimeMemoryStr(aSolution.searchMatrix_base, mapnums, itarget)
print(result[msg], 执行结果 {}.format(result[result]))# 运行结果
函数 searchMatrix_base 的运行时间为 12768.90 ms内存使用量为 467828.00 KB 执行结果 True2) 改进版一【行*列区间二分法】
将下标换算为行*最大列数列将矩阵换算为0 - 行 * 列的线性区间在这个区间通过二分法查找目标数值是否存在
页面功能测试马马虎虎超过33%
import CheckFuncPerf as cfpclass Solution:def searchMatrix_ext1(self, matrix, target):if not matrix:return Falseimaxrow, imaxcol len(matrix), len(matrix[0])ileft, iright 0, imaxrow * imaxcol - 1while ileft iright:imid (ileft iright) // 2mid_row, mid_col imid // imaxcol, imid % imaxcolif matrix[mid_row][mid_col] target:return Trueelif matrix[mid_row][mid_col] target:ileft imid 1elif matrix[mid_row][mid_col] target:iright imid - 1return FalseaSolution Solution()
result cfp.getTimeMemoryStr(aSolution.searchMatrix_ext1, mapnums, itarget)
print(result[msg], 执行结果 {}.format(result[result]))# 运行结果
函数 searchMatrix_ext1 的运行时间为 0.00 ms内存使用量为 12.00 KB 执行结果 True3) 改进版二【第三方模块】
将矩阵展开为列表再使用排序列表操作模块bisect来查找插入位置
页面功能测试性能一般超过82%
import CheckFuncPerf as cfpclass Solution:def searchMatrix_ext2(self, matrix, target):if not matrix:return Falseimaxrow, imaxcol, listval len(matrix), len(matrix[0]), []for iIdx in range(len(matrix)):listval.extend(matrix[iIdx])from bisect import bisect_leftipos bisect_left(listval, target)if ipos imaxrow * imaxcol:return Falsereturn listval[ipos] targetaSolution Solution()
result cfp.getTimeMemoryStr(aSolution.searchMatrix_ext2, mapnums, itarget)
print(result[msg], 执行结果 {}.format(result[result]))# 运行结果
函数 searchMatrix_ext2 的运行时间为 0.00 ms内存使用量为 12.00 KB 执行结果 True4. 最优算法
根据本地日志分析最优算法为第2种方式【行*列区间二分法】searchMatrix_ext1
本题测试数据似乎能推出以下结论
二分法查询性能非常夸张简直是瞬间定位【1亿的数组1毫秒定位】数据的迁移【从矩阵-列表】耗时耗内存这也是大数据兴起的原因之一【数据的迁移代价远高于计算代价】第三方模块的函数消耗内存非常小
import random
imaxrow, imaxcol, istart 10000, 10000, 0
mapnums [[0 for x in range(imaxcol)] for y in range(imaxrow)]
for irow in range(imaxrow):for icol in range(imaxcol):istart random.randint(0, 6)mapnums[irow][icol] istart
itarget mapnums[imaxrow//2][imaxcol//2]
aSolution Solution()
result cfp.getTimeMemoryStr(aSolution.searchMatrix_base, mapnums, itarget)
print(result[msg], 执行结果 {}.format(result[result]))
result cfp.getTimeMemoryStr(aSolution.searchMatrix_ext1, mapnums, itarget)
print(result[msg], 执行结果 {}.format(result[result]))
result cfp.getTimeMemoryStr(aSolution.searchMatrix_ext2, mapnums, itarget)
print(result[msg], 执行结果 {}.format(result[result]))# 算法本地速度实测比较
函数 searchMatrix_base 的运行时间为 12768.90 ms内存使用量为 467828.00 KB 执行结果 True
函数 searchMatrix_ext1 的运行时间为 0.00 ms内存使用量为 12.00 KB 执行结果 True
函数 searchMatrix_ext2 的运行时间为 6336.15 ms内存使用量为 1508.00 KB 执行结果 True5. 相关资源
本文代码已上传到CSDN地址Python算法题源代码_LeetCode(力扣)_搜索二维矩阵
一日练一日功一日不练十日空
may the odds be ever in your favor ~
