烟台达内的小编总结,这将花费O(|W| * |S|)时间。有没有更快的方法呢?
试试哈希
解决这个问题可以使用的一种方法是Rabin-Karp算法。基本思想是我们可以对目标word做一个基于频率的散列,并检查s下的任何窗口是否散列为相同的值。也就是说,散列将是每个字符和其频率的char * prime_num ** char_freq之和。如果word和窗口的散列匹配,则我们可以对两个字符串手动加上== .因为预计冲突很少,所以时间将是O(S)。但是,解决这个问题有一个更简单的方法:
计数差异
请注意,沿着窗口移动意味着当实际只有一小部分更新的时候,重新计算整个窗口的频率计数。这种见解引导我们采取以下策略:
制作目标单词的频率字典
当我们沿着字符串前进时,持续比较差异
当字典为空时,窗口和单词匹配
我们通过增加窗口中的新字符并删除旧的字符来区分我们的频率字典。

class FrequencyDict:
def __init__(self, s):
self.d = {}
for char in s:
self.increment(char)
def _create_if_not_exists(self, char):
if char not in self.d:
self.d = 0
def _del_if_zero(self, char):
if self.d == 0:
del self.d
def is_empty(self):
return not self.d
def decrement(self, char):
self._create_if_not_exists(char)
self.d -= 1
self._del_if_zero(char)
def increment(self, char):
self._create_if_not_exists(char)
self.d += 1
self._del_if_zero(char)
def anagram_indices(word, s):
result =
freq = FrequencyDict(word)
for char in s:
freq.decrement(char)
if freq.is_empty():
result.append(0)
for i in range(len(word), len(s)):
start_char, end_char = s, s
freq.increment(start_char)
freq.decrement(end_char)
if freq.is_empty():
beginning_index = i - len(word) + 1
result.append(beginning_index)
return result
这应该在O(S)时间运行。
以上就是烟台达内给大家做的内容详解,更多关于IT的学习,请继续关注烟台达内