博客
关于我
LeetCode:1436.Destination City旅行终点站(C语言)
阅读量:392 次
发布时间:2019-03-05

本文共 672 字,大约阅读时间需要 2 分钟。

为了找到旅游线路图的终点站,我们需要确定哪个城市没有任何出边连接到其他城市。终点站是所有起点城市之外的那个城市。

步骤如下:

  • 收集所有起点城市:遍历路径数组,记录每个路径的起点城市。
  • 收集所有出现过的城市:记录所有出现在路径中的城市。
  • 确定终点城市:检查所有城市,找出不在起点城市集合中的那个,返回它作为终点站。
  • 代码实现:

    def destCity(paths):    # 收集所有起点城市    start_set = {path[0] for path in paths}    # 收集所有出现过的城市    all_cities = {city for path in paths for city in path}    # 遍历所有城市,找到不在起点集合中的终点城市    for city in all_cities:        if city not in start_set:            return city    # 根据题目,至少有一个终点,所以无需处理无返回的情况

    示例测试:

    • 示例1:输入:paths = [["London","New York"], ["New York","Lima"], ["Lima","Sao Paulo"]]输出:"Sao Paulo"

    • 示例2:输入:paths = [["B","C"], ["D","B"], ["C","A"]]输出:"A"

    • 示例3:输入:paths = [["A","Z"]]输出:"Z"

    通过这种方法,我们可以准确地找到旅游线路图的终点站。

    转载地址:http://dadzz.baihongyu.com/

    你可能感兴趣的文章
    OpenCV与AI深度学习 | 如何使用YOLO-World做目标检测
    查看>>
    OpenCV与AI深度学习 | 如何使用YOLOv9分割图像中的对象
    查看>>
    OpenCV与AI深度学习 | 如何使用YOLOv9检测图片和视频中的目标
    查看>>
    OpenCV与AI深度学习 | 如何在 Docker 容器中使用 GPU
    查看>>
    OpenCV与AI深度学习 | 实战 | OpenCV中更稳更快的找圆方法--EdgeDrawing使用演示(详细步骤 + 代码)
    查看>>
    OpenCV与AI深度学习 | 实战 | OpenCV传统方法实现密集圆形分割与计数(详细步骤 + 代码)
    查看>>
    OpenCV与AI深度学习 | 实战 | OpenCV实现扫描文本矫正应用与实现详解(附源码)
    查看>>
    OpenCV与AI深度学习 | 实战 | YOLO11自定义数据集训练实现缺陷检测 (标注+训练+预测 保姆级教程)
    查看>>
    OpenCV与AI深度学习 | 实战 | YOLOv10模型微调检测肾结石并提高准确率
    查看>>
    OpenCV与AI深度学习 | 实战 | 使用OpenCV和Streamlit搭建虚拟化妆应用程序(附源码)
    查看>>
    OpenCV与AI深度学习 | 实战 | 使用OpenCV确定对象的方向(附源码)
    查看>>
    OpenCV与AI深度学习 | 实战 | 使用YOLOv8 Pose实现瑜伽姿势识别
    查看>>
    OpenCV与AI深度学习 | 实战 | 使用YoloV8实例分割识别猪的姿态(含数据集)
    查看>>
    OpenCV与AI深度学习 | 实战 | 使用姿态估计算法构建简单的健身训练辅助应用程序
    查看>>
    OpenCV与AI深度学习 | 实战 | 基于OpenCV和K-Means聚类实现颜色分割(步骤 + 代码)
    查看>>
    OpenCV与AI深度学习 | 实战 | 基于YoloV5和Mask RCNN实现汽车表面划痕检测(步骤 + 代码)
    查看>>
    OpenCV与AI深度学习 | 实战 | 基于YOLOv9+SAM实现动态目标检测和分割(步骤 + 代码)
    查看>>
    OpenCV与AI深度学习 | 实战 | 基于YOLOv9和OpenCV实现车辆跟踪计数(步骤 + 源码)
    查看>>
    OpenCV与AI深度学习 | 实战 | 文本图片去水印--同时保持文本原始色彩(附源码)
    查看>>
    OpenCV与AI深度学习 | 实战 | 通过微调SegFormer改进车道检测效果(数据集 + 源码)
    查看>>