统计匹配检索规则的物品数量

标签: 数组 字符串

难度: Easy

给你一个数组 items ，其中 items[i] = [typei, colori, namei] ，描述第 i 件物品的类型、颜色以及名称。

另给你一条由两个字符串 ruleKey 和 ruleValue 表示的检索规则。

如果第 i 件物品能满足下述条件之一，则认为该物品与给定的检索规则 匹配 ：

  • ruleKey == "type" 且 ruleValue == typei 。
  • ruleKey == "color" 且 ruleValue == colori 。
  • ruleKey == "name" 且 ruleValue == namei 。

统计并返回 匹配检索规则的物品数量 。

 

示例 1：

输入：items = [["phone","blue","pixel"],["computer","silver","lenovo"],["phone","gold","iphone"]], ruleKey = "color", ruleValue = "silver"
输出：1
解释：只有一件物品匹配检索规则，这件物品是 ["computer","silver","lenovo"] 。

示例 2：

输入：items = [["phone","blue","pixel"],["computer","silver","phone"],["phone","gold","iphone"]], ruleKey = "type", ruleValue = "phone"
输出：2
解释：只有两件物品匹配检索规则，这两件物品分别是 ["phone","blue","pixel"] 和 ["phone","gold","iphone"] 。注意，["computer","silver","phone"] 未匹配检索规则。

 

提示：

  • 1 <= items.length <= 104
  • 1 <= typei.length, colori.length, namei.length, ruleValue.length <= 10
  • ruleKey 等于 "type"、"color" 或 "name"
  • 所有字符串仅由小写字母组成

Submission

运行时间: 31 ms

内存: 20.5 MB

class Solution:
    def countMatches(self, items: List[List[str]], ruleKey: str, ruleValue: str) -> int:
        i = {"type": 0, "color": 1, "name": 2}[ruleKey]
        return sum(item[i] == ruleValue for item in items)

Explain

这个题解使用了一个很简洁的方法来解决问题。首先，它通过一个字典将规则键（'type', 'color', 'name'）映射到物品列表中对应的索引（0, 1, 2）。然后，它遍历所有物品，并使用列表推导式来计算匹配给定规则的物品数量。

时间复杂度: O(n)

空间复杂度: O(1)

class Solution:
    def countMatches(self, items: List[List[str]], ruleKey: str, ruleValue: str) -> int:
        i = {'type': 0, 'color': 1, 'name': 2}[ruleKey]  # 将规则键映射到索引
        return sum(item[i] == ruleValue for item in items)  # 计算匹配规则的物品数量

Explore

是的，如果规则键不存在于字典中，尝试访问该键会触发 KeyError 异常。为防止这种情况，可以使用字典的 get 方法，它允许在键不存在时返回一个默认值，例如 -1，然后检查这个返回值是否有效。如果是无效索引，则可以抛出一个更清晰的错误信息或者处理为特定的默认行为。示例代码：`i = {'type': 0, 'color': 1, 'name': 2}.get(ruleKey, -1); if i == -1: raise ValueError('Invalid ruleKey')`。

原代码确实假设所有属性值均为字符串类型。如果物品的属性值可能包括非字符串类型，应该确保在比较前统一数据类型。可以通过将属性值强制转换为字符串（使用 str 函数），然后进行比较。修改后的代码可以是：`sum(str(item[i]) == str(ruleValue) for item in items)`。这样可以保证即使属性值是数字或其他类型，代码也能正确运行而不会出错。

对于大数据量的处理，可以使用 Python 的多线程或多进程库来并行化处理。例如，可以使用 multiprocessing 库的 Pool 类来分配任务到多个进程。示例代码如下：`from multiprocessing import Pool; with Pool(processes=4) as pool: results = pool.map(lambda item: item[i] == ruleValue, items); return sum(results)`。此外，也可以考虑使用 NumPy 或 Pandas 这类库，它们内部优化了大量数据操作的性能。

如果规则键映射字典被意外修改，可能会导致错误的索引值被使用，进而导致程序逻辑错误或异常。为了提高程序的稳定性和正确性，确实有必要增加错误检查机制。一种方法是确保字典不被修改，例如使用 Python 的 frozendict 来创建不可变字典。另一种方法是在访问字典前进行键存在性检查，确保代码的健壮性。示例代码：`if ruleKey not in {'type', 'color', 'name'}: raise KeyError('Key is not valid')`。