博客
关于我
LeetCode 48 旋转图像
阅读量:188 次
发布时间:2019-02-28

本文共 1918 字,大约阅读时间需要 6 分钟。

题目

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

图片

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

图片

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]]

示例 3

输入:matrix = [[1]]

输出:[[1]]

示例 4

输入:matrix = [[1,2],[3,4]]

输出:[[3,1],[4,2]]

提示

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

来源:力扣(LeetCode)

链接:

著作权归领扣网络所有。商业转载请联系官方授权,非商业转载请注明出处。

思路

方法一:辅助数组

i行第j个元素旋转后变成倒数第i行第j个元素,于是有

matrixNew[j][col -1 - i] = matrix[i][j]

public class Solution {     // 辅助数组  public void rotate(int[][] matrix) {         if(matrix == null || matrix.length < 1 || matrix[0].length < 1) return;      int row = matrix.length, col = matrix[0].length;      int[][] matrixNew = new int[row][col];      for(int i = 0; i < row; i++){             for(int j = 0; j < col; j++){                 matrixNew[j][col - 1 - i] = matrix[i][j];          }      }      for(int i = 0; i < row; i++){             for(int j = 0; j < col; j++)              matrix[i][j] = matrixNew[i][j];      }  }}

时间复杂度:O(n^2)

空间复杂度:O(n^2)

方法二:2次翻转

首先,沿着水平方轴进行水平翻转,再沿着主对角线翻转一次即可

class Solution {       public void rotate(int[][] matrix) {           if(matrix == null || matrix.length < 1 || matrix[0].length < 1) return;        int n = matrix.length;        // 水平翻转        for(int i = 0; i < n / 2; i++){               for(int j = 0; j < n; j++){                   int tmp = matrix[i][j];                matrix[i][j] = matrix[n - 1 - i][j];                matrix[n - 1 - i][j] = tmp;            }        }        // 对角线翻转        for(int i = 0; i < n; i++){               for(int j = 0; j < i; j++){    // 这里条件一定是 j < i 不是 j < n                int tmp = matrix[i][j];                matrix[i][j] = matrix[j][i];                matrix[j][i] = tmp;             }        }    }}

时间复杂度:O(n^2)

空间复杂度:O(1)

你可能感兴趣的文章
NLP_什么是统计语言模型_条件概率的链式法则_n元统计语言模型_马尔科夫链_数据稀疏(出现了词库中没有的词)_统计语言模型的平滑策略---人工智能工作笔记0035
查看>>
NLP、CV 很难入门?IBM 数据科学家带你梳理
查看>>
NLP三大特征抽取器:CNN、RNN与Transformer全面解析
查看>>
NLP入门(六)pyltp的介绍与使用
查看>>
NLP学习笔记:使用 Python 进行NLTK
查看>>
NLP度量指标BELU真的完美么?
查看>>
NLP的不同研究领域和最新发展的概述
查看>>
NLP的神经网络训练的新模式
查看>>
NLP采用Bert进行简单文本情感分类
查看>>
NLP问答系统:使用 Deepset SQUAD 和 SQuAD v2 度量评估
查看>>
NLP项目:维基百科文章爬虫和分类【02】 - 语料库转换管道
查看>>
NLP:从头开始的文本矢量化方法
查看>>
NLP:使用 SciKit Learn 的文本矢量化方法
查看>>
NLTK - 停用词下载
查看>>
nmap 使用总结
查看>>
nmap 使用方法详细介绍
查看>>
nmap使用
查看>>
nmap使用实战(附nmap安装包)
查看>>
Nmap哪些想不到的姿势
查看>>
Nmap扫描教程之Nmap基础知识
查看>>