Número de componentes conectados
Guia detalhado e implementação de Python para o problema de 'Número de componentes conectados'.
1. Aprenda
O problema do 'Número de componentes conectados' é um desafio importante na seção Gráficos.
Esta implementação concentra-se na lógica de nível fácil em Python.
Priorizamos a precisão técnica e a legibilidade do código em nossas soluções fornecidas.
2. Real-World Applications
3. Visual Intuition
Visualizando o fluxo lógico para Número de componentes conectados.
4. Prerequisites
5. Step-by-Step Thinking
1. Understand the problem
Leia atentamente a declaração do problema para Número de componentes conectados.
2. Formulate brute force
Elabore uma solução iterativa simples.
3. Identify inefficiency
Procure cálculos redundantes.
4. Optimize search path
Use hashing ou classificação para acelerar o processo.
5. Final Implementation
Limpe o código para padrões de produção.
Declaração do problema
Você tem um gráfico de n nós. Você recebe um número inteiro n e uma matriz de arestas onde arestas[i] = [ai, bi] indica que há uma aresta não direcionada entre ai e bi no gráfico.
Retorne o número de componentes conectados no gráfico.
Escreva uma função countComponents(n: int, edges: List[List[int]]) -> int.
- •1 <= n <= 2000
- •0 <= len(edges) <= 5000
- •edges[i].length == 2
- •0 <= ai, bi < n
Exemplos
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
- Estruturas de entrada vazias
- Entradas de elemento único
- Grandes limites numéricos
Pronto para resolver?
Open the problem in PyRun's browser-based Python editor. Your code runs fully offline — no server required.
Insights e variações da entrevista
Análise de complexidade
Por que tempo: Directly evaluates all possibilities.
Por que espaço: Uses standard local memory.
Por que tempo: Optimized paths reduce total operations.
Por que espaço: May trade memory for speed.
Código Python da solução otimizada
Código Python da solução otimizada
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 resCódigo de força bruta (protegido por spoiler)
Código de força bruta (protegido por spoiler)
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
Aplicam-se propriedades de problemas de gráficos padrão.
Perguntas relacionadas
PyRun is built and maintained by an independent solo developer. If this helped your interview prep, consider buying a coffee!
Recursos Python recomendados
Expanda seu conhecimento com tutoriais interativos relacionados, folhas de dicas e comparações de código.
Loops Python
Aprenda como usar loops Python para iterar dados. Domine as práticas recomendadas para loops for, while loops, break, continue e loop com exemplos interativos.
Como encontrar o comprimento de uma lista em Python
Aprenda como encontrar o comprimento de uma lista em Python usando a função len(). Entenda a complexidade do tempo O(1) e as contagens de verificação.
Folha de dicas dos métodos de string Python
Um guia de referência completo para manipulação de strings em Python. Domine a formatação, pesquisa, divisão, substituição e verificação de propriedades de string.
Python vs JavaScript: qual linguagem de programação é a melhor?
Uma comparação abrangente entre Python e JavaScript. Explore diferenças de sintaxe, desempenho, casos de uso (backend versus frontend) e exemplos de codificação.