【LeetCode】42. 接雨水

【LeetCode】42. 接雨水

42. 接雨水（二维）

一、题目描述

给定 n 个非负整数表示每个宽度为 1 的柱子的高度图，计算按此排列的柱子，下雨之后能接多少雨水。

上面是由数组 [0,1,0,2,1,0,1,3,2,1,2,1] 表示的高度图，在这种情况下，可以接 6 个单位的雨水（蓝色部分表示雨水）。

示例:

输入: [0,1,0,2,1,0,1,3,2,1,2,1]输出: 6

二、解题思路 & 代码

2.1 按列求

求每一列的水，我们只需要关注当前列，以及左边最高的墙，右边最高的墙就够了。装水的多少，当然根据木桶效应，我们只需要看左边最高的墙和右边最高的墙中较矮的一个就够了。

所以，根据较矮的那个墙和当前列的墙的高度可以分为三种情况。

1. 较矮的墙的高度大于当前列的墙的高度

把正在求的列左边最高的墙和右边最高的墙确定后，然后为了方便理解，我们把无关的墙去掉。

这样就很清楚了，现在想象一下，往两边最高的墙之间注水。正在求的列会有多少水？

很明显，较矮的一边，也就是左边的墙的高度，减去当前列的高度就可以了，也就是 2 - 1 = 1，可以存一个单位的水。

2. 较矮的墙的高度小于当前列的墙的高度

同样的，我们把其他无关的列去掉。

想象下，往两边最高的墙之间注水。正在求的列会有多少水？

正在求的列不会有水，因为它大于了两边较矮的墙。

3. 较矮的墙的高度等于当前列的墙的高度。

和上一种情况是一样的，不会有水。

程序就很好写了，遍历每一列，然后分别求出这一列两边最高的墙。找出较矮的一端，和当前列的高度比较，结果就是上边的三种情况。

class Solution: def trap(self, height: List[int]) -> int: n = len(height) sum_ = 0 #最两端的列不用考虑，因为一定不会有水。所以下标从 1 到 length - 2 for i in range(1, n - 1): max_left = 0 #找出左边最高 for j in range(i - 1, -1, -1): if (height[j] > max_left): max_left = height[j] max_right = 0 #找出右边最高 for j in range(i + 1, n): if (height[j] > max_right): max_right = height[j] #找出两端较小的 min_h = min(max_left, max_right); #只有较小的一段大于当前列的高度才会有水，其他情况不会有水 if (min_h > height[i]): sum_ = sum_ + (min_h - height[i]) return

2.2 动态规划（对法一优化）

注意到，解法一中。对于每一列，我们求它左边最高的墙和右边最高的墙，都是重新遍历一遍所有高度，这里我们可以优化一下。

首先用两个数组，​​max_left [i]​​​ 代表第 ​​i​​​ 列左边最高的墙的高度，​​max_right[i]​​​ 代表第 ​​i​​ 列右边最高的墙的高度。（一定要注意下，第 i 列左（右）边最高的墙，是不包括自身的，和 leetcode 上边的讲的有些不同）

对于​​max_left​​我们其实可以这样求。​​max_left [i] = Max(max_left [i-1],height[i-1])​​。它前边的墙的左边的最高高度和它前边的墙的高度选一个较大的，就是当前列左边最高的墙了。对于​​max_right​​我们可以这样求。​​max_right[i] = Max(max_right[i+1],height[i+1])​​ 。它后边的墙的右边的最高高度和它后边的墙的高度选一个较大的，就是当前列右边最高的墙了。

这样，我们再利用解法一的算法，就不用在 ​​for​​​ 循环里每次重新遍历一次求 ​​max_left​​​ 和 ​​max_right​​ 了。

class Solution: def trap(self, height: List[int]) -> int: n = len(height) sum_ = 0 max_left = [0] * n max_right = [0] * n for i in range(1, n - 1): max_left[i] =max(max_left[i - 1], height[i - 1]) for i in range(n - 2, -1, -1): max_right[i] = max(max_right[i + 1], height[i + 1]) for i in range(1, n - 1): min_ = min(max_left[i], max_right[i]) if (min_ > height[i]): sum_ = sum_ + (min_ - height[i]) return

时间复杂度：O(n)。空间复杂度：O(n)，用来保存每一列左边最高的墙和右边最高的墙。

2.3 双指针（对法二再优化）

动态规划中，我们常常可以对空间复杂度进行进一步的优化。

例如这道题中，可以看到，​​max_left [ i ]​​​ 和 ​​max_right [ i ]​​ 数组中的元素我们其实只用一次，然后就再也不会用到了。所以我们可以不用数组，只用一个元素就行了。

这里要用到两个指针，​​left​​​ 和 ​​right​​，从两个方向去遍历。

left_max：左边的最大值，它是从左往右遍历找到的right_max：右边的最大值，它是从右往左遍历找到的left：从左往右处理的当前下标right：从右往左处理的当前下标

定理一：在某个位置​​i​​处，它能存的水，取决于它左右两边的最大值中较小的一个。定理二：当我们从左往右处理到​​left​​​下标时，左边的最大值​​left_max​​​对它而言是可信的，但​​right_max​​​对它而言是不可信的。（见下图，由于中间状况未知，对于​​left​​​下标而言，​​right_max​​未必就是它右边最大的值）定理三：当我们从右往左处理到​​right​​​下标时，右边的最大值​​right_max​​​对它而言是可信的，但​​left_max​​对它而言是不可信的。

right_max left_max __ __ | | | |__ __-------? | |__| |__| __| |__ left right

对于位置​​left​​​而言，它左边最大值一定是​​left_max​​​，右边最大值“大于等于”​​right_max​​，

这时候，如果 ​​left_max

所以当​​left_max

class Solution: def trap(self, height: List[int]) -> int: n = len(height) sum_ = 0 max_left = 0 max_right = 0 left = 1 right = n - 2 # 加右指针进去 for i in range(1, n - 1): #从左到右更 if (height[left - 1] < height[right + 1]): max_left = max(max_left, height[left - 1]) min_ = max_left if (min_ > height[left]): sum_ = sum_ + (min_ - height[left]) left += 1 #从右到左更 else: max_right = max(max_right, height[right + 1]) min_ = max_right if (min_ > height[right]): sum_ = sum_ + (min_ - height[right]) right -= 1 return

时间复杂度： O(n)。空间复杂度： O(1)。

2.4 栈

说到栈，我们肯定会想到括号匹配了。我们仔细观察蓝色的部分，可以和括号匹配类比下。每次匹配出一对括号（找到对应的一堵墙），就计算这两堵墙中的水。

我们用栈保存每堵墙。

当遍历墙的高度的时候，如果当前高度小于栈顶的墙高度，说明这里会有积水，我们将墙的高度的下标入栈。

如果当前高度大于栈顶的墙的高度，说明之前的积水到这里停下，我们可以计算下有多少积水了。计算完，就把当前的墙继续入栈，作为新的积水的墙。

总体的原则就是，

当前高度小于等于栈顶高度，入栈，指针后移。当前高度大于栈顶高度，出栈，计算出当前墙和栈顶的墙之间水的多少，然后计算当前的高度和新栈的高度的关系，重复第 2 步。直到当前墙的高度不大于栈顶高度或者栈空，然后把当前墙入栈，指针后移。

class Solution: def trap(self, height: List[int]) -> int: n = len(height) if n < 3: return 0 res = 0 cur = 0 stack = [] while cur < n: # 如果栈不空并且当前指向的高度大于栈顶高度就一直循环 while len(stack) > 0 and height[cur] > height[stack[-1]]: top = stack.pop() # index of the last element in the stack, 取出要出栈的元素 if len(stack) == 0: # 栈空就出去 break dist = cur - stack[-1] - 1 # 两堵墙之前的距离。 min_ = min(height[stack[-1]], height[cur]) res = res + dist * (min_ - height[top]) stack.append(cur) cur += 1 return

时间复杂度：O(n)。虽然 while 循环里套了一个 while 循环，但是考虑到每个元素最多访问两次，入栈一次和出栈一次，所以时间复杂度是 O(n)。空间复杂度：O(n)。栈的空间。

参考：

​​LeetCode题解​​​​LeetCode官方题解 & 评论区​​

版权声明：本文内容由网络用户投稿，版权归原作者所有，本站不拥有其著作权，亦不承担相应法律责任。如果您发现本站中有涉嫌抄袭或描述失实的内容，请联系我们jiasou666@gmail.com 处理，核实后本网站将在24小时内删除侵权内容。