宝宝也能看懂的 leetcode 周赛 - 175 - 3

1348. 推文计数

Hi 大家好，我是张小猪。欢迎来到『宝宝也能看懂』系列之 leetcode 周赛题解。

这里是第 175 期的第 3 题，也是题目列表中的第 1348 题 -- 『推文计数』

题目描述

请你实现一个能够支持以下两种方法的推文计数类 TweetCounts：

1. recordTweet(string tweetName, int time)

   • 记录推文发布情况：用户 tweetName 在 time（以 秒 为单位）时刻发布了一条推文。

2. getTweetCountsPerFrequency(string freq, string tweetName, int startTime, int endTime)

   • 返回从开始时间 startTime（以 秒 为单位）到结束时间 endTime（以 秒 为单位）内，每 分 minute，时 hour 或者 日 day （取决于 freq）内指定用户 tweetName 发布的推文总数。
   • freq 的值始终为 分 minute，时 hour 或者 日 day 之一，表示获取指定用户 tweetName 发布推文次数的时间间隔。
   • 第一个时间间隔始终从 startTime 开始，因此时间间隔为 [startTime, startTime + delta*1>,  [startTime + delta*1, startTime + delta*2>, [startTime + delta*2, startTime + delta*3>, ... , [startTime + delta*i, min(startTime + delta*(i+1), endTime + 1)>，其中 i 和 delta（取决于 freq）都是非负整数。

示例：

输入：
["TweetCounts","recordTweet","recordTweet","recordTweet","getTweetCountsPerFrequency","getTweetCountsPerFrequency","recordTweet","getTweetCountsPerFrequency"]
[[],["tweet3",0],["tweet3",60],["tweet3",10],["minute","tweet3",0,59],["minute","tweet3",0,60],["tweet3",120],["hour","tweet3",0,210]]

输出：
[null,null,null,null,[2],[2,1],null,[4]]

解释：
TweetCounts tweetCounts = new TweetCounts();
tweetCounts.recordTweet("tweet3", 0);
tweetCounts.recordTweet("tweet3", 60);
tweetCounts.recordTweet("tweet3", 10);                             // "tweet3" 发布推文的时间分别是 0, 10 和 60 。
tweetCounts.getTweetCountsPerFrequency("minute", "tweet3", 0, 59); // 返回 [2]。统计频率是每分钟（60 秒），因此只有一个有效时间间隔 [0,60> - > 2 条推文。
tweetCounts.getTweetCountsPerFrequency("minute", "tweet3", 0, 60); // 返回 [2,1]。统计频率是每分钟（60 秒），因此有两个有效时间间隔 1) [0,60> - > 2 条推文，和 2) [60,61> - > 1 条推文。
tweetCounts.recordTweet("tweet3", 120);                            // "tweet3" 发布推文的时间分别是 0, 10, 60 和 120 。
tweetCounts.getTweetCountsPerFrequency("hour", "tweet3", 0, 210);  // 返回 [4]。统计频率是每小时（3600 秒），因此只有一个有效时间间隔 [0,211> - > 4 条推文。

提示：

• 同时考虑 recordTweet 和 getTweetCountsPerFrequency，最多有 10000 次操作。
• 0 <= time, startTime, endTime <= 10^9
• 0 <= endTime - startTime <= 10^4

官方难度

MEDIUM

解决思路

题目的描述和示例看起来都挺长的，不过主要都是为了解释清楚那个时间间隔的计算逻辑。其中需要注意的是，每一个时间间隔的区间，是左闭右开的区间，例如 [startTime, startTime + delta)。如果题目描述中看着不是很明白的话，可以结合示例中的数据和结果，相信就很容易弄明白这里面的逻辑啦。

不过说实话，小猪看完这道题之后是懵逼的。因为小猪没看出其中有什么玄机，似乎按照要求直接实现就完事了。可是这也是周赛第三题了吧，怎么也该给它一点面子鸭...hmmmm...装模作样的思考了一下，算了，淦就完事了！

直接方案

由于需要根据 tweetName 来匹配时间，所以我们通过一个字典来进行存储。然后对于给定的 start 和 end 两个参数，我们可以结合 freq 轻松的计算出时间间隔的数量。最后，遍历计数即可。具体流程如下：

• 构造函数

  • 申明 freq 的转换字典以及用于存储数据的字典。

• recordTweet

  • 根据 name 去字典里记录 time 即可。

• getTweetCountsPerFrequency

  • 根据 freq 获取到时间间隔长度。
  • 根据 start 和 end 计算出时间间隔数量。
  • 根据 name 获取时间列表并进行遍历和计数。

基于这个流程，我们可以实现类似下面的代码：

class TweetCounts {
  constructor() {
    this.freqInterval = {
      minute: 60,
      hour: 3600,
      day: 86400,
    };
    this.data = new Map();
  }

  recordTweet(name, time) {
    if (this.data.has(name) === false) {
      this.data.set(name, []);
    }
    this.data.get(name).push(time);
  }

  getTweetCountsPerFrequency(freq, name, start, end) {
    const interval = this.freqInterval[freq];
    const ret = new Uint16Array(Math.ceil((end - start + 1) / interval));
    if (this.data.has(name)) {
      for (const time of this.data.get(name)) {
        if (time > end || time < start) continue;
        ++ret[Math.floor((time - start + 1) / interval)];
      }
    }
    return ret;
  }
};

优化

上面的代码中，由于我们存储的时间是无序的，所以每次 getTweetCountsPerFrequency 方法都会把对应那个 name 的时间列表遍历一遍，需要消耗 O(n) 的代价。这里我们可以通过二叉树把它优化到 O(logn) 的时间，不过相应的，每次增加一个 time 的时间会从 O(1) 也变成 O(logn)。

具体的方式就是我们不用数组来存储时间，而是替换为一个二叉搜索树。流程其实还是一样的，所以这里就直接给代码了：

const createNode = val => ({ val, left: null, right: null });
class BinarySearchTree {
  constructor() {
    this.root = null;
  }
  insert(val, cur = this.root) {
    const node = createNode(val);
    if (!this.root) { this.root = node; return; }
    if (val >= cur.val) {
      !cur.right ? (cur.right = node) : this.insert(val, cur.right);
    } else {
      !cur.left ? (cur.left = node) : this.insert(val, cur.left);
    }
  }
  traversal(low, high, interval, intervals, cur = this.root) {
    if (!cur) return;
    if (cur.val <= high && cur.val >= low) {
      ++intervals[Math.floor((cur.val - low + 1) / interval)];
    }
    cur.val > low && this.traversal(low, high, interval, intervals, cur.left);
    cur.val < high && this.traversal(low, high, interval, intervals, cur.right);
  }
};
class TweetCounts {
  constructor() {
    this.freqInterval = {
      minute: 60,
      hour: 3600,
      day: 86400,
    };
    this.data = new Map();
  }

  recordTweet(name, time) {
    if (this.data.has(name) === false) {
      this.data.set(name, new BinarySearchTree());
    }
    this.data.get(name).insert(time);
  }

  getTweetCountsPerFrequency(freq, name, start, end) {
    const interval = this.freqInterval[freq];
    const ret = new Uint16Array(Math.ceil((end - start + 1) / interval));
    this.data.has(name) && this.data.get(name).traversal(start, end, interval, ret);
    return ret;
  }
};

这段代码以 192ms 暂时 beats 100%。不过很显然，可以继续优化，因为我这里只是用了非常简单的二叉搜索树，并不能保证树的深度是 logn，可以轻松的构建出一些用例让它退化为 O(n) 性能。所以，我们可以把它替换为一些自平衡二叉搜索树，以保证树的深度。

但是，JS 里缺少太多内置的数据结构了，所以我这里就先不写啦，等到我们数据结构专题那边再做相关的实现吧。哼，才不是因为小猪懒呢（确信脸

总结

说实话这道题确实让小猪比较懵逼。写这篇文章的时候看了一眼通过率，只有 20%+。可是小猪却一直不太明白这道题有什么玄机，也不明白为什么通过率这么低，更不明白这道题的点究竟在哪里。

hmmmm...一定是小猪太苯了，get 不到这个点。小猪还是去快乐的恰饭好了，喵喵喵 >.<

相关链接

• Weekly Contest 175 题目列表
• 系列题解 repo
• 我的 segmentfault 专栏
• 我的知乎专栏