LeetCode-49字母异位词分组

https://leetcode-cn.com/problems/group-anagrams/

总代码

//方法一：排序数组分类
public List<List<String>> groupAnagrams(String[] strs) {
		if (strs.length == 0) {
			return new ArrayList<List<String>>();
		}
		Map<String, List<String>> map = new HashMap<String, List<String>>();
		for (String s : strs) {
			char[] c = s.toCharArray();
			Arrays.sort(c);
			String key = String.valueOf(c);
			if (!map.containsKey(key)) {
				map.put(key, new ArrayList<String>());
			}
			map.get(key).add(s);
		}
		return new ArrayList<List<String>>(map.values());
	}

方法一：排序数组分类

维护一个映射 ans : {String -> List}，其中每个键 K 是一个排序字符串，每个值是初始输入的字符串列表

我们将键存储为字符串，例如，code

//方法一：排序数组分类
public List<List<String>> groupAnagrams(String[] strs) {
		if (strs.length == 0) {
			return new ArrayList<List<String>>();
		}
		Map<String, List<String>> ans = new HashMap<String, List<String>>();
		for (String s : strs) {
			char[] c = s.toCharArray();
			Arrays.sort(c);
			String key = String.valueOf(c);
			if (!ans.containsKey(key)) {
				ans.put(key, new ArrayList<String>());
			}
			ans.get(key).add(s);
		}
		return new ArrayList<List<String>>(ans.values());
	}

复杂度分析:

时间复杂度：O(nklogk)，其中 n 是 strs 的长度，而k 是 strs 中字符串的最大长度。当我们遍历每个字符串时，外部循环具有的复杂度为 O(n)。然后，我们在O(klogk) 的时间内对每个字符串排序。

空间复杂度：O(nk)，排序存储在 ans 中的全部信息内容。

---

方法二：按计数分类

思路：

当且仅当它们的字符计数（每个字符的出现次数）相同时，两个字符串是字母异位词。

我们可以将每个字符串 s 转换为字符数count，由26个非负整数组成，表示 a,b,c 的数量等。我们使用这些计数作为哈希映射的基础。

在 Java 中，我们的字符数 count 的散列化表示将是一个用 ＃ 字符分隔的字符串。 例如，abbccc 将表示为 ＃1＃2＃3＃0＃0＃0 …＃0，其中总共有26个条目。

public List<List<String>> groupAnagrams2(String[] strs) {
		if (strs.length == 0)
			return new ArrayList();
		Map<String, List> ans = new HashMap<String, List>();
		int[] count = new int[26];
		for (String s : strs) {
			Arrays.fill(count, 0);
			for (char c : s.toCharArray())
				count[c - 'a']++;
			StringBuilder sb = new StringBuilder("");
			for (int i = 0; i < 26; i++) {
				sb.append('#');
				sb.append(count[i]);
			}
			String key = sb.toString();
			if (!ans.containsKey(key))
				ans.put(key, new ArrayList());
			ans.get(key).add(s);
		}
		return new ArrayList(ans.values());
	}

复杂度分析：

时间复杂度：O(nk)，其中 n 是 strs 的长度，而 k 是 strs 中字符串的最大长度。计算每个字符串的字符串大小是线性的，我们统计每个字符串。

空间复杂度：O(nk)，排序存储在 ans 中的全部信息内容。