Liczba połączonych komponentów
Szczegółowy przewodnik i implementacja Python dla problemu „Liczba podłączonych komponentów”.
1. Ucz się
Problem „Liczby połączonych komponentów” jest kluczowym wyzwaniem w sekcji Wykresy.
Ta implementacja koncentruje się na logice prostego poziomu w Python.
W dostarczanych przez nas rozwiązaniach priorytetem jest dokładność techniczna i czytelność kodu.
2. Real-World Applications
3. Visual Intuition
Wizualizacja przepływu logicznego dla liczby połączonych komponentów.
4. Prerequisites
5. Step-by-Step Thinking
1. Understand the problem
Przeczytaj uważnie opis problemu dotyczący liczby podłączonych komponentów.
2. Formulate brute force
Zaprojektuj proste rozwiązanie iteracyjne.
3. Identify inefficiency
Poszukaj zbędnych obliczeń.
4. Optimize search path
Użyj funkcji mieszania lub sortowania, aby przyspieszyć proces.
5. Final Implementation
Oczyść kod dla standardów produkcyjnych.
Oświadczenie o problemie
Masz wykres n węzłów. Podana jest liczba całkowita n i krawędzie tablicy, gdzie krawędzie[i] = [ai, bi] wskazują, że pomiędzy ai i bi na wykresie istnieje nieskierowana krawędź.
Zwraca liczbę połączonych komponentów na wykresie.
Napisz funkcję countComponents(n: int, edges: List[List[int]]) -> int.
- •1 <= n <= 2000
- •0 <= len(edges) <= 5000
- •edges[i].length == 2
- •0 <= ai, bi < n
Przykłady
n = 5, edges = [[0,1],[1,2],[3,4]]
2
Nodes 0, 1, 2 form one component, and nodes 3, 4 form another component.
n = 5, edges = [[0,1],[1,2],[2,3],[3,4]]
1
All nodes are connected in a single path.
Need a Hint?
Edge Cases to Watch
- Puste struktury wejściowe
- Wejścia jednoelementowe
- Duże granice liczbowe
Gotowy do rozwiązania?
Open the problem in PyRun's browser-based Python editor. Your code runs fully offline — no server required.
Spostrzeżenia i odmiany wywiadu
Podział analizy złożoności
Dlaczego Czas: Directly evaluates all possibilities.
Dlaczego kosmos: Uses standard local memory.
Dlaczego Czas: Optimized paths reduce total operations.
Dlaczego kosmos: May trade memory for speed.
Zoptymalizowany kod rozwiązania w języku Python
Zoptymalizowany kod rozwiązania w języku Python
def count_components_opt(n, edges):
par = [i for i in range(n)]
rank = [1] * n
def find(n1):
res = n1
while res != par[res]:
par[res] = par[par[res]]
res = par[res]
return res
def union(n1, n2):
p1, p2 = find(n1), find(n2)
if p1 == p2: return 0
if rank[p2] > rank[p1]:
par[p1] = p2
rank[p2] += rank[p1]
else:
par[p2] = p1
rank[p1] += rank[p2]
return 1
res = n
for n1, n2 in edges: res -= union(n1, n2)
return resKod brutalnej siły (chroniony spoilerami)
Kod brutalnej siły (chroniony spoilerami)
def count_components_brute(n, edges):
adj = {i: [] for i in range(n)}
for n1, n2 in edges:
adj[n1].append(n2)
adj[n2].append(n1)
visit = set()
def dfs(i):
if i in visit: return
visit.add(i)
for j in adj[i]: dfs(j)
res = 0
for i in range(n):
if i not in visit:
dfs(i)
res += 1
return resAlgorithm Pattern Checklist
When dealing with Graphs data patterns.
- Are constraints clear?
- Is there a linear or logarithmic optimization possible?
Key Revision Notes
Obowiązują właściwości problemu dotyczącego standardowych wykresów.
Powiązane pytania
PyRun is built and maintained by an independent solo developer. If this helped your interview prep, consider buying a coffee!
Polecane zasoby Pythona
Poszerzaj swoją wiedzę dzięki powiązanym interaktywnym samouczkom, ściągawkom i porównaniom kodów.
Pętle Pythona
Dowiedz się, jak używać pętli Pythona do iteracji danych. Opanuj pętle for, pętle while, przerywaj, kontynuuj i pętluj najlepsze praktyki dzięki interaktywnym przykładom.
Jak znaleźć długość listy w Pythonie
Dowiedz się, jak znaleźć długość listy w Pythonie za pomocą funkcji len(). Zrozumienie złożoności czasowej O(1) i liczby kontroli.
Ściągawka dotycząca metod ciągów w Pythonie
Kompletny przewodnik dotyczący manipulacji ciągami znaków w języku Python. Opanuj formatowanie, wyszukiwanie, dzielenie, zastępowanie i sprawdzanie właściwości ciągów.
Python kontra JavaScript: który język programowania jest najlepszy?
Kompleksowe porównanie Pythona i JavaScript. Poznaj różnice w składni, wydajność, przypadki użycia (backend vs frontend) i przykłady kodowania.