LeetCode 2418:按身高排序 —— 题解
欢迎阅读 欢迎来到「按身高排序」题解之旅本文将带你从“按身高降序输出名字”这一排序需求出发深入理解多种排序实现方式并掌握创建二元组、哈希表映射、对下标排序三种经典技巧的适用场景。在开始之前建议你先了解题目背景这是 LeetCode 2418 题给定两个等长数组names和heights身高值互不相同要求按身高降序返回对应的名字数组。这是一道排序与映射的入门题但提供了多种解法思路可灵活应用到其他类似场景。明确学习目标掌握三种实现方式——①创建二元组将(身高, 名字)组合后排序直接提取名字②哈希表映射用哈希表存储身高 - 名字对身高数组排序后查表③对下标排序常用技巧对下标数组[0, n-1]按heights降序排序再按排好的下标取names。理解每种方法的优劣和适用性尤其是下标排序在避免额外空间或保持原数据不变时的通用价值。本文将从问题转化、三种解法详解二元组/哈希/下标排序、代码实现到复杂度分析层层递进。即使你对排序和映射还不熟悉我们也会从“把身高和名字绑在一起”的直觉出发让你轻松抓住核心思想——排序的本质是比较但比较的对象可以是组合、映射关系或索引。现在让我们一起按身高排好队叫出对应名字吧 一、题目2418. 按身高排序 - 力扣LeetCode​二、做题思路1. 问题分析前置分析给定两个长度相等的数组names名字和heights身高互不相同要求按身高降序返回对应的名字数组。核心挑战是在排序时保持名字与身高的对应关系。有三种常用解法创建二元组、哈希表映射、对下标排序。2. 解法一创建二元组2.1 核心思路将每个人封装为一个二元组(身高, 名字)存入新数组。对二元组数组按身高降序排序。依次提取排序后的名字组成结果数组。2.2 正确性说明简单版本二元组将每个名字与其身高绑定在一起排序时整体移动不会出现错位。只要按身高降序排序提取出的名字顺序即为题目所求。2.3 实现细节边界防护使用vectorpairint, string people存储二元组。自定义排序按first身高降序若身高相同则按原顺序但题目保证身高互不相同。遍历排序后的二元组取出second加入结果数组。2.4 代码class Solution { public: vectorstring sortPeople(vectorstring names, vectorint heights) { int n names.size(); // 1. 创建二元组数组 vectorpairint, string people; for (int i 0; i n; i) { people.push_back({heights[i], names[i]}); } // 2. 按身高降序排序 sort(people.begin(), people.end(), [](const pairlt;int, stringgt;amp; a, const pairlt;int, stringgt;amp; b) { return a.first gt; b.first; // 降序 }); // 3. 提取名字 vectorlt;stringgt; ans; for (autoamp; p : people) { ans.push_back(p.second); } return ans; } };2.5 流程图3. 解法二哈希表映射3.1 核心思路建立哈希表unordered_mapint, string将heights[i]映射到names[i]。将heights数组降序排序。遍历排序后的heights用每个身高值去哈希表中查找对应的名字依次加入结果。3.2 正确性说明简单版本因为身高值互不相同哈希表的键唯一所以每个身高能精确映射到唯一名字。按身高降序查找得到的名字顺序即为目标顺序。3.3 实现细节边界防护使用unordered_mapint, string hash存储映射。对heights数组进行降序排序可用sort 自定义比较或greaterint()。遍历排序后的heights通过hash[height]获取对应名字。注意哈希表查找是 O(1)整体时间复杂度 O(n log n)主要来自排序。3.4 代码class Solution { public: vectorstring sortPeople(vectorstring names, vectorint heights) { int n names.size(); // 1. 建立哈希映射 unordered_mapint, string hash; for (int i 0; i n; i) { hash[heights[i]] names[i]; } // 2. 复制身高数组并降序排序 vectorlt;intgt; sortedHeights heights; sort(sortedHeights.begin(), sortedHeights.end(), greaterlt;intgt;()); // 3. 根据排序后的身高查找名字 vectorlt;stringgt; ans; for (int h : sortedHeights) { ans.push_back(hash[h]); } return ans; } };3.5 流程图4. 解法三对下标排序非常常用的技巧4.1 核心思路创建一个下标数组index初始为[0, 1, 2, ..., n-1]。不移动names和heights而是对index进行排序排序依据是heights[index[i]]降序。排序后index中的顺序即为按身高降序排列的人员索引顺序。根据index顺序从names中取出对应名字组成结果数组。4.2 正确性说明简单版本通过下标作为“中介”将排序逻辑从数据本身剥离。index排序后记录了所有下标按身高降序的排列再通过下标访问原数组既能得到正确顺序又避免了原数据的移动是一种高效且常用的技巧。4.3 实现细节边界防护初始化index[i] i。使用sort(index.begin(), index.end(), [](int a, int b){ return heights[a] heights[b]; })。排序后遍历index用names[index[i]]构造结果。此方法不需要额外存储二元组或哈希表空间复杂度 O(n)。4.4 代码class Solution { public: vectorstring sortPeople(vectorstring names, vectorint heights) { int n heights.size(); // 1. 创建索引数组初始按 0..n-1 排列用于间接排序 vectorlt;intgt; index(n); for (int i 0; i lt; n; i) { index[i] i; } // 2. 根据身高数组对索引进行降序排序 // 自定义比较函数索引 i 对应的人的身高如果大于索引 j 的则 i 排在前面 sort(index.begin(), index.end(), [amp;](int i, int j) { return heights[i] gt; heights[j]; // 降序从高到矮 }); // 3. 按照排序后的索引顺序将对应的名字依次加入结果数组 vectorlt;stringgt; ret; for (auto idx : index) { ret.push_back(names[idx]); } // 4. 返回按身高降序排列的名字列表 return ret; } };4.5 流程图5. 三种解法对比总结解法核心操作空间复杂度是否修改原数组二元组创建新对象排序O(n)否哈希表键值映射 排序O(n)是对 heights 排序下标排序排序索引数组O(n)否不移动原数组 闭幕 恭喜你完成了「按身高排序」问题的学习为了巩固知识并进一步拓展建议你动手实践在 LeetCode 上提交代码尝试不同的测试用例。深入思考题目给出了三种解法创建二元组、使用哈希表、对下标排序。这三种方法的核心思想分别是什么各自适用于什么场景解法三“对下标排序”是非常常用的技巧它为什么能避免移动原始数据如果要求最终输出名字数组而不是下标这种方法的优势体现在哪里如果不仅要返回名字还要同时返回排序后的身高上述哪种方法最容易扩展延伸挑战将题目改为按名字的字典序排序但需要同时输出对应的身高你会选择哪种解法如果名字有重复哪种方法更稳妥如果你觉得本文对你有所帮助欢迎 点赞 / 收藏 关注作者获取更多题解 留言交流你的疑问或优化思路祝你在算法之路上越走越稳早日攻克每一道难题下次见 ✨

相关新闻

强化学习与RLHF技术:从基础到优化算法解析

强化学习与RLHF技术:从基础到优化算法解析

1. 强化学习基础概念解析1.1 从动物训练看强化学习本质强化学习的核心机制可以用一个简单的动物训练场景来理解。想象你在训练一只小狗学习"坐下"这个指令:初始状态:小狗站立着,等待指令(S₀)动作尝试&#…

2026/7/27 7:37:29 阅读更多 →
Python循环结构解析:从基础语法到高级应用

Python循环结构解析:从基础语法到高级应用

1. Python循环结构:从零基础到实战进阶 刚接触Python时,循环结构往往是第一个让人既兴奋又困惑的概念。记得我最初写while循环时,因为漏了终止条件导致程序无限运行,只能强行关闭终端。这种"血的教训"恰恰说明了理解循环…

2026/7/27 7:36:28 阅读更多 →
低灰度差图像增强全解|详解DoG高斯差分频域带通算法、区分全局自适应阈值、强化低对比度特征、助力薄膜金属印刷微小缺陷检测、附完整OpenCV工程

低灰度差图像增强全解|详解DoG高斯差分频域带通算法、区分全局自适应阈值、强化低对比度特征、助力薄膜金属印刷微小缺陷检测、附完整OpenCV工程

目录 一、前言 二、工业低灰度差图像核心成因与算法失效分析 2.1 低对比度图像四大工业成型原因 2.2 传统图像处理算法核心失效根源 三、DoG高斯差分频域带通算法底层原理深度拆解 3.1 图像频率分量分层逻辑 3.2 空域DoG算法数学原理 3.3 频域优化增强逻辑 四、全局阈…

2026/7/27 7:36:28 阅读更多 →

最新新闻

DMA数据传输优化:数据打包与突发传输机制详解

DMA数据传输优化:数据打包与突发传输机制详解

1. 项目概述:DMA数据传输优化的核心价值 在嵌入式系统和实时性要求高的应用里,CPU的时间是宝贵的。想象一下,你正在用微控制器处理一个摄像头采集的图像数据流,每秒几十兆字节的数据需要从摄像头接口搬到内存里。如果让CPU一个字节…

2026/7/27 7:49:36 阅读更多 →
千笔AI论文写作工具:专科生学术效率提升方案

千笔AI论文写作工具:专科生学术效率提升方案

1. 千笔AI论文写作工具:专科生的学术效率革命作为一名经历过论文写作煎熬的过来人,我深知专科生在学术写作中面临的困境。时间紧、任务重、经验不足,这些因素常常让论文写作变成一场噩梦。而千笔AI的出现,确实为这个困境提供了一个…

2026/7/27 7:49:36 阅读更多 →
TI 64位定时器看门狗配置详解:从原理到防误触发实战

TI 64位定时器看门狗配置详解:从原理到防误触发实战

1. 看门狗定时器的核心价值与设计哲学在嵌入式系统开发里,看门狗定时器(Watchdog Timer, WDT)是个既让人安心又让人头疼的模块。安心是因为,当你的程序因为某个未知的Bug、电磁干扰或者堆栈溢出而“跑飞”或陷入死循环时&#xff…

2026/7/27 7:49:36 阅读更多 →
滑动窗口算法解析:LeetCode最小覆盖子串实战

滑动窗口算法解析:LeetCode最小覆盖子串实战

1. 问题背景与核心挑战这道题目来自LeetCode高频面试题库,编号76题"最小覆盖子串"是字符串处理类问题的经典代表。给定字符串S和T,要求在S中找到包含T所有字符的最短连续子串。例如:S "ADOBECODEBANC"T "ABC"…

2026/7/27 7:49:36 阅读更多 →
Java开发投资担保管理系统:架构设计与核心实现

Java开发投资担保管理系统:架构设计与核心实现

1. 项目背景与核心需求投资担保行业作为金融体系中的重要组成部分,其业务流程复杂、风险控制要求高、数据敏感性强的特点,使得信息化管理系统的建设成为行业刚需。传统的手工操作和Excel表格管理方式已经无法满足现代担保业务对效率、合规性和风险管控的…

2026/7/27 7:49:36 阅读更多 →
大模型提示词工程的价值困境与防御策略

大模型提示词工程的价值困境与防御策略

1. 深夜调参背后的行业困境凌晨三点的显示器蓝光映在脸上,手指机械地敲击着键盘调整模型参数——这个场景对算法工程师而言再熟悉不过。但最近半年,越来越多从业者开始质疑:我们熬夜优化的那些提示词(prompt)&#xff…

2026/7/27 7:48:36 阅读更多 →

日新闻

【JAVA毕设源码分享】基于SpringBoot的社区智能垃圾管理系统的设计与实现(程序+文档+代码讲解+一条龙定制)

【JAVA毕设源码分享】基于SpringBoot的社区智能垃圾管理系统的设计与实现(程序+文档+代码讲解+一条龙定制)

博主介绍:✌️码农一枚 ,专注于大学生项目实战开发、讲解和毕业🚢文撰写修改等。全栈领域优质创作者,博客之星、掘金/华为云/阿里云/InfoQ等平台优质作者、专注于Java、小程序技术领域和毕业项目实战 ✌️技术范围:&am…

2026/7/27 0:00:54 阅读更多 →
SPI实战指南:从时钟模式到寄存器配置,解决嵌入式通信难题

SPI实战指南:从时钟模式到寄存器配置,解决嵌入式通信难题

1. 项目概述:从寄存器手册到实战指南 如果你手头有一份类似德州仪器(TI)TMS320x240xA系列DSP的SPI模块技术手册,看着里面密密麻麻的寄存器位定义、时序图和公式,是不是感觉头大?这份资料虽然权威&#xff0…

2026/7/27 0:00:54 阅读更多 →
【JAVA毕设源码分享】基于springboot的水果购物管理系统的设计与实现(程序+文档+代码讲解+一条龙定制)

【JAVA毕设源码分享】基于springboot的水果购物管理系统的设计与实现(程序+文档+代码讲解+一条龙定制)

博主介绍:✌️码农一枚 ,专注于大学生项目实战开发、讲解和毕业🚢文撰写修改等。全栈领域优质创作者,博客之星、掘金/华为云/阿里云/InfoQ等平台优质作者、专注于Java、小程序技术领域和毕业项目实战 ✌️技术范围:&am…

2026/7/27 0:00:54 阅读更多 →

周新闻

深度学习道路桥梁裂缝检测系统 道路桥梁裂缝检测数据集 道路桥梁病害识别检测数据集

深度学习道路桥梁裂缝检测系统 道路桥梁裂缝检测数据集 道路桥梁病害识别检测数据集

深度学习道路桥梁裂缝检测系统 数据集6000张 完整源码已标注数据集训练好的模型环境配置教程程序运行说明文档,可以直接使用!系统支持图片、视频、摄像头等多种方式检测裂缝,功能强大实用。 1数据集6000张 8各类别

2026/7/27 4:33:59 阅读更多 →
深度学习YOLO模型如何训练 PUBG 绝地求生目标检测数据集

深度学习YOLO模型如何训练 PUBG 绝地求生目标检测数据集

pubg数据集 精选原图1.42万数据 1.49万标签 无任何重复、算法增强或冗余图像! pubg绝地求生目标检测数据集 1分类:e_body,14905个标签,txt格式 共计14244张图,99%为640*640尺寸图像 适合yolo目标检测、AI训练关键词&am…

2026/7/27 6:31:56 阅读更多 →
Apex英雄目标检测数据集 深度学习框架YOLO如何训练APEX数据集

Apex英雄目标检测数据集 深度学习框架YOLO如何训练APEX数据集

Apex检测数据集数据集详情检测类别: allies enemy tag图片总量:7247张训练集:5139张验证集:1425张测试集:683张标注状态:全部已标注,即拿即用数据格式:支持YOLO格式及其他格式&#…

2026/7/27 4:01:12 阅读更多 →

月新闻