Intervalo mínimo para incluir cada consulta
Guía detallada e implementación de Python para el problema 'Intervalo mínimo para incluir cada consulta'.
1. aprender
El problema del 'intervalo mínimo para incluir cada consulta' es un desafío clave en la sección Intervalos.
Esta implementación se centra en la lógica de nivel fácil en Python.
Priorizamos la precisión técnica y la legibilidad del código en las soluciones que brindamos.
2. Real-World Applications
3. Visual Intuition
Visualización del flujo lógico para el intervalo mínimo para incluir cada consulta.
4. Prerequisites
5. Step-by-Step Thinking
1. Understand the problem
Lea atentamente el planteamiento del problema sobre el intervalo mínimo para incluir cada consulta.
2. Formulate brute force
Redacte una solución iterativa simple.
3. Identify inefficiency
Busque cálculos redundantes.
4. Optimize search path
Utilice hash o clasificación para acelerar el proceso.
5. Final Implementation
Limpiar el código para los estándares de producción.
Declaración del problema
Se le proporciona una matriz de enteros 2D intervalos, donde intervalos[i] = [left_i, right_i] describe el intervalo i que comienza en left_i y termina en right_i (inclusive). El tamaño de un intervalo se define como right_i - left_i + 1. También se le proporcionan consultas de matriz de números enteros. La respuesta a la consulta j-ésima es el tamaño del intervalo más pequeño i tal que left_i <= queries[j] <= right_i. Si no existe tal intervalo, la respuesta es -1.
Devuelve una matriz que contiene las respuestas a las consultas.
Escribe una función minInterval(intervals: List[List[int]], queries: List[int]) -> List[int].
- •1 <= len(intervals) <= 10^5
- •1 <= len(queries) <= 10^5
- •intervals[i].length == 2
- •1 <= left_i <= right_i <= 10^7
- •1 <= queries[j] <= 10^7
Ejemplos
intervals = [[1,4],[2,4],[3,6],[4,4]], queries = [2,3,4,5]
[3,3,1,4]
Smallest interval containing 2 is [2,4] (size 3). For 3 is [2,4] (size 3). For 4 is [4,4] (size 1). For 5 is [3,6] (size 4).
intervals = [[2,3],[2,5],[1,8],[20,25]], queries = [2,19,5,22]
[2,-1,4,6]
For 2: [2,3] (size 2). For 19: none (-1). For 5: [2,5] (size 4). For 22: [20,25] (size 6).
Need a Hint?
Edge Cases to Watch
- Estructuras de entrada vacías
- Entradas de un solo elemento
- Grandes límites numéricos
¿Listo para resolver?
Open the problem in PyRun's browser-based Python editor. Your code runs fully offline — no server required.
Ideas y variaciones de la entrevista
Desglose del análisis de complejidad
Por qué el tiempo: Directly evaluates all possibilities.
Por qué el espacio: Uses standard local memory.
Por qué el tiempo: Optimized paths reduce total operations.
Por qué el espacio: May trade memory for speed.
Código Python de solución optimizada
Código Python de solución optimizada
import heapq
def min_interval_opt(intervals, queries):
intervals.sort()
minHeap = []; res, i = {}, 0
for q in sorted(queries):
while i < len(intervals) and intervals[i][0] <= q:
l, r = intervals[i]
heapq.heappush(minHeap, (r - l + 1, r))
i += 1
while minHeap and minHeap[0][1] < q: heapq.heappop(minHeap)
res[q] = minHeap[0][0] if minHeap else -1
return [res[q] for q in queries]Código de fuerza bruta (spoiler guardado)
Código de fuerza bruta (spoiler guardado)
def min_interval_brute(intervals, queries):
res = []
for q in queries:
min_len = float("inf")
for i in intervals:
if i[0] <= q <= i[1]:
min_len = min(min_len, i[1] - i[0] + 1)
res.append(min_len if min_len != float("inf") else -1)
return resAlgorithm Pattern Checklist
When dealing with Intervals data patterns.
- Are constraints clear?
- Is there a linear or logarithmic optimization possible?
Key Revision Notes
Se aplican las propiedades del problema de intervalos estándar.
Preguntas relacionadas
PyRun is built and maintained by an independent solo developer. If this helped your interview prep, consider buying a coffee!
Recursos recomendados de Python
Amplíe sus conocimientos con tutoriales interactivos relacionados, hojas de trucos y comparaciones de códigos.
Generadores de Python
Aprenda a utilizar generadores de Python y declaraciones de rendimiento para procesar conjuntos de datos enormes con un uso mínimo de memoria. Expresiones generadoras maestras.
Cómo convertir una cadena a Int en Python
Aprenda cómo convertir una cadena a un número entero en Python usando la función int(). Maneje los errores de forma segura y convierta números de binario, octal o hexadecimal.
Hoja de trucos para operadores de Python
Domine los operadores aritméticos, de comparación, lógicos, bit a bit, de asignación y de identidad en Python.
Decoradores de Python versus patrón de diseño decorador: las diferencias clave
Compare los decoradores de Python y el patrón de diseño de decorador clásico. Comprenda las diferencias entre el ajuste de funciones en tiempo de definición y la composición dinámica de objetos en tiempo de ejecución con código ejecutable.