Số lượng thành phần được kết nối
Hướng dẫn chi tiết và cách triển khai Python cho vấn đề 'Số lượng thành phần được kết nối'.
1. Tìm hiểu
Bài toán 'Số lượng thành phần được kết nối' là một thách thức chính trong phần Đồ thị.
Việc triển khai này tập trung vào logic cấp độ dễ trong Python.
Chúng tôi ưu tiên độ chính xác về mặt kỹ thuật và khả năng đọc mã trong các giải pháp được cung cấp của chúng tôi.
2. Real-World Applications
3. Visual Intuition
Trực quan hóa luồng logic cho Số lượng thành phần được kết nối.
4. Prerequisites
5. Step-by-Step Thinking
1. Understand the problem
Đọc kỹ báo cáo vấn đề về Số lượng thành phần được kết nối.
2. Formulate brute force
Soạn thảo một giải pháp lặp lại đơn giản.
3. Identify inefficiency
Tìm các phép tính dư thừa.
4. Optimize search path
Sử dụng hàm băm hoặc sắp xếp để tăng tốc quá trình.
5. Final Implementation
Làm sạch mã cho tiêu chuẩn sản xuất.
Tuyên bố vấn đề
Bạn có một đồ thị gồm n nút. Bạn được cho một số nguyên n và một mảng các cạnh trong đó các cạnh[i] = [ai, bi] chỉ ra rằng có một cạnh vô hướng giữa ai và bi trong đồ thị.
Trả về số thành phần được kết nối trong biểu đồ.
Viết hàm countComponents(n: int, edges: List[List[int]]) -> int.
- •1 <= n <= 2000
- •0 <= len(edges) <= 5000
- •edges[i].length == 2
- •0 <= ai, bi < n
Ví dụ
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
- Cấu trúc đầu vào trống
- Đầu vào phần tử đơn
- Giới hạn số lớn
Sẵn sàng để giải quyết?
Open the problem in PyRun's browser-based Python editor. Your code runs fully offline — no server required.
Thông tin chi tiết và biến thể của cuộc phỏng vấn
Phân tích độ phức tạp
Tại sao thời gian: Directly evaluates all possibilities.
Tại sao không gian: Uses standard local memory.
Tại sao thời gian: Optimized paths reduce total operations.
Tại sao không gian: May trade memory for speed.
Mã Python giải pháp tối ưu hóa
Mã Python giải pháp tối ưu hóa
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 resMã Brute Force (Bảo vệ spoiler)
Mã Brute Force (Bảo vệ 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
Áp dụng các thuộc tính bài toán Đồ thị chuẩn.
Câu hỏi liên quan
PyRun is built and maintained by an independent solo developer. If this helped your interview prep, consider buying a coffee!
Tài nguyên Python được đề xuất
Mở rộng kiến thức của bạn với các hướng dẫn tương tác, bảng ghi chú và so sánh mã có liên quan.
Vòng lặp Python
Tìm hiểu cách sử dụng vòng lặp Python để lặp lại dữ liệu. Nắm vững các phương pháp hay nhất về vòng lặp for, while, ngắt, tiếp tục và lặp bằng các ví dụ tương tác.
Cách tìm độ dài của danh sách trong Python
Tìm hiểu cách tìm độ dài của danh sách trong Python bằng hàm len(). Hiểu độ phức tạp về thời gian O(1) và số lần kiểm tra.
Bảng cheat phương thức chuỗi Python
Hướng dẫn tham khảo đầy đủ về thao tác chuỗi Python. Làm chủ định dạng, tìm kiếm, phân tách, thay thế và kiểm tra thuộc tính chuỗi.
Python vs JavaScript: Ngôn ngữ lập trình nào tốt nhất?
So sánh toàn diện giữa Python và JavaScript. Khám phá sự khác biệt về cú pháp, hiệu suất, trường hợp sử dụng (phụ trợ so với giao diện người dùng) và các ví dụ về mã hóa.