当前位置: 首页 > news >正文

力扣经典算法篇-41-旋转图像(辅助数组法,原地旋转法)

1、题干

给定一个 n × n 的二维矩阵 matrix 表示一个图像。请你将图像顺时针旋转 90 度。
你必须在 原地 旋转图像,这意味着你需要直接修改输入的二维矩阵。请不要 使用另一个矩阵来旋转图像。

示例 1:
在这里插入图片描述
输入:matrix = [[1,2,3],[4,5,6],[7,8,9]]
输出:[[7,4,1],[8,5,2],[9,6,3]]

示例 2:
在这里插入图片描述
输入:matrix = [[5,1,9,11],[2,4,8,10],[13,3,6,7],[15,14,12,16]]
输出:[[15,13,2,5],[14,3,4,1],[12,6,8,9],[16,7,10,11]]

提示:
n == matrix.length == matrix[i].length
1 <= n <= 20
-1000 <= matrix[i][j] <= 1000

2、解题

旋转数组,我们根据示例可以发现:原本的第一行数据旋转变成了最后一列;第二行的数据变成了倒数第二列;依次类推。
结合具体的数组找规律可以发现:
假设n=4,规律:3,0–>0,0 2,0–>0,1 1,0–>0,2 0,0–>0,3
从索引的角度可以发现:前元素的行=新元素的列; 新元素的列+前元素的行=n-1

方法一:(辅助数组法)

使用辅助数组,保持和原数组相同的数据。可以借助辅助数组对原始数组快速赋值。
规律:
旋转后元素的行为之前的列;旋转后元素的列+之前的行=n-1

技巧:
需要结合当n=3和n=4的简单场景下,自己找规律,不能懒。

代码示例:

import java.util.Arrays;public class Test47 {// 使用辅助数组public static void rotate(int[][] matrix) {int n = matrix.length;int[][] matrixN = new int[n][n];for (int i = 0; i < n; i++) {for (int j = 0; j < n; j++) {matrixN[i][j] = matrix[i][j];  // 辅助数组保持相同的数据}}// 假设=4,规律:3,0-0,0  2,0-0,1  1,0-0,2  0,0-0,3// 前元素的行=新元素的列;  新元素的列+前元素的行=n-1for (int i = 0; i < n; i++) {for (int j = 0; j < n; j++) {matrix[i][j] = matrixN[n-j-1][i];    // 旋转后元素的行为之前的列;旋转后元素的列+之前的行=n-1}}}public static void main(String[] args) {int[][] matrix = {{1, 2, 3}, {4, 5, 6}, {7, 8, 9}};rotate(matrix);System.out.println(Arrays.deepToString(matrix));}
}

方法二:(原地旋转法)

相对辅助数组法,原地选择法进需要一次遍历原始数据,且辅助空间为O(1),性能更好,但是相对难度也高一点。

注意点:
(1)、一次旋转的规律
结合简单数据可以看出。下标位置变化如:(0,0)–>(0,5)–>(5,5)–>(5,0)–>(0,0)
可以发现相邻的两个数之间的内部一定相等,外部相加一定=n-1。

(2)、旋转的次数
同一个元素会携带者对应的其他三个元素在一次过程中完成选择。所以不能完全遍历数据,会造成同一个元素多次旋转,最终回到原始数据。
如原始为一个55的二维数组,我们只需要对如下的23的区域进行旋转即可(或3*2的区域也一样)。如果旋转多了就会造成问题。
在这里插入图片描述

代码示例:

import java.util.Arrays;public class Test47 {public static void rotate(int[][] matrix) {int n = matrix.length;// 假设=4,规律:3,0-0,0  2,0-0,1  1,0-0,2  0,0-0,3// 前元素的行=新元素的列;  新元素的列+前元素的行=n-1for (int i = 0; i < (n + 1) / 2; i++) {    // 防止重复旋转(旋转一半,只能+1一次,横+1则纵不能+1)for (int j = 0; j < n / 2; j++) {      // 防止重复旋转int temp = matrix[i][j];matrix[i][j] = matrix[n - j - 1][i];     // 规律:外部相等,内部相加=n-1matrix[n - j - 1][i] = matrix[n - i - 1][n - j - 1];matrix[n - i - 1][n - j - 1] = matrix[j][n - i - 1];matrix[j][n - i - 1] = temp;}}}public static void main(String[] args) {int[][] matrix = {{1, 2, 3}, {4, 5, 6}, {7, 8, 9}};rotate(matrix);System.out.println(Arrays.deepToString(matrix));}
}

向阳前行,Dare To Be!!!

http://www.dtcms.com/a/313675.html

相关文章:

  • Kubernetes中ingess以及它和nginx的关系
  • 单表查询-模糊匹配
  • CMake 命令行参数完全指南(4)
  • sqli-labs靶场less26/a
  • awk对文本进行列处理
  • 【实习总结】Qt通过Qt Linguist(语言家)实现多语言支持
  • 抖音全新推荐大模型RankMixer
  • 【AI论文】ScreenCoder:通过模块化多模态智能体推动前端自动化中的视觉到代码生成技术发展
  • 从零开始实现Qwen3(Dense架构)
  • Linux 环境下 Docker 安装与简单使用指南
  • 7.28-8.3周报
  • 控制建模matlab练习10:滞后补偿器
  • OSPF笔记及综合实验报告册
  • 嵌入式 Linux 系统构建的核心组件详解
  • Go 工程化全景:从目录结构到生命周期的完整服务框架
  • 【openlayers框架学习】六:绘制点、圆、文字标注
  • 关于vllm【常见问题解决方案】
  • XtraBackup备份与恢复
  • Python 程序设计讲义(61):Python 的函数——变量的作用域
  • 【运维基础】Linux 硬盘分区管理
  • [Oracle] DUAL数据表
  • [自动化Adapt] 录制引擎 | iframe 穿透 | NTP | AIOSQLite | 数据分片
  • 第二节 YOLOv5参数
  • Python 程序设计讲义(59):Python 的函数——labmda函数(匿名函数)
  • 四、驱动篇-HDF驱动介绍2
  • sublime 乱码问题
  • JavaEE文件泄露与修复方案
  • Linux | i.MX6ULL移植 Gdb+Gdbserver 调试(第十四章)
  • 深入解析 Linux Kernel 中的设备树:使用、修改与实际应用
  • 经典文献阅读之--ViNT(视觉导航的基础模型)