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 | 使用 MoveNet Lightning 和 OpenCV 实现实时姿势检测
    查看>>
    OpenCV与AI深度学习 | 使用 OpenCV 创建自定义图像滤镜
    查看>>
    OpenCV与AI深度学习 | 使用 SAM 和 Grounding DINO 分割卫星图像
    查看>>
    OpenCV与AI深度学习 | 使用OpenCV图像修复技术去除眩光
    查看>>
    OpenCV与AI深度学习 | 使用OpenCV检测并计算直线角度
    查看>>
    OpenCV与AI深度学习 | 使用OpenCV轮廓检测提取图像前景
    查看>>
    OpenCV与AI深度学习 | 使用Python和OpenCV实现火焰检测(附源码)
    查看>>
    OpenCV与AI深度学习 | 使用PyTorch进行小样本学习的图像分类
    查看>>
    OpenCV与AI深度学习 | 使用YOLO11实现区域内目标跟踪
    查看>>
    OpenCV与AI深度学习 | 使用YOLOv8做目标检测、实例分割和图像分类(包含实例操作代码)
    查看>>
    OpenCV与AI深度学习 | 使用单相机对已知物体进行3D位置估计
    查看>>
    OpenCV与AI深度学习 | 初学者指南 -- 什么是迁移学习?
    查看>>
    OpenCV与AI深度学习 | 十分钟掌握Pytorch搭建神经网络的流程
    查看>>
    OpenCV与AI深度学习 | 基于GAN的零缺陷样本产品表面缺陷检测
    查看>>
    OpenCV与AI深度学习 | 基于OpenCV和深度学习预测年龄和性别
    查看>>
    OpenCV与AI深度学习 | 基于OpenCV实现模糊检测 / 自动对焦
    查看>>
    OpenCV与AI深度学习 | 基于Python和OpenCV将图像转为ASCII艺术效果
    查看>>
    OpenCV与AI深度学习 | 基于PyTorch实现Faster RCNN目标检测
    查看>>
    OpenCV与AI深度学习 | 基于PyTorch语义分割实现洪水识别(数据集 + 源码)
    查看>>
    OpenCV与AI深度学习 | 基于YOLO11的车体部件检测与分割
    查看>>