heap的使用——合并K个排序间隔列表,和merge K个有序数组是一样的

577. 合并K个排序间隔列表

中文
English

将K个排序的间隔列表合并到一个排序的间隔列表中,你需要合并重叠的间隔。

样例

样例1

输入: [
  [(1,3),(4,7),(6,8)],
  [(1,2),(9,10)]
]
输出: [(1,3),(4,8),(9,10)]

样例2

输入: [
  [(1,2),(5,6)],
  [(3,4),(7,8)]
]
输出: [(1,2),(3,4),(5,6),(7,8)]
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
"""
Definition of Interval.
class Interval(object):
    def __init__(self, start, end):
        self.start = start
        self.end = end
"""
import heapq
 
 
class Solution:
    """
    @param intervals: the given k sorted interval lists
    @return:  the new sorted interval list
    """
    def mergeKSortedIntervalLists(self, intervals):
        # write your code here
        def append(arr, l, r):
            if not arr:
                arr.append(Interval(l, r))
                return
             
            if arr[-1].start <= l <= arr[-1].end:
                arr[-1].end = max(r, arr[-1].end)
            else:
                arr.append(Interval(l, r))
         
        q = []
        for i,arr in enumerate(intervals):
            if arr:
                heapq.heappush(q, (intervals[i][0].start, intervals[i][0].end, i, 0))
         
        ans = []
        while q:
            l, r, i, j = heapq.heappop(q)
            append(ans, l, r)
             
            if j+1 < len(intervals[i]):
                heapq.heappush(q, (intervals[i][j+1].start, intervals[i][j+1].end, i, j+1))
                 
        return ans
        

 

posted @   bonelee  阅读(146)  评论(0编辑  收藏  举报
编辑推荐:
· 开发中对象命名的一点思考
· .NET Core内存结构体系(Windows环境)底层原理浅谈
· C# 深度学习:对抗生成网络(GAN)训练头像生成模型
· .NET 适配 HarmonyOS 进展
· .NET 进程 stackoverflow异常后,还可以接收 TCP 连接请求吗?
阅读排行:
· 本地部署 DeepSeek:小白也能轻松搞定!
· 基于DeepSeek R1 满血版大模型的个人知识库,回答都源自对你专属文件的深度学习。
· 在缓慢中沉淀,在挑战中重生!2024个人总结!
· 大人,时代变了! 赶快把自有业务的本地AI“模型”训练起来!
· Tinyfox 简易教程-1:Hello World!
历史上的今天:
2019-01-22 使用深度学习检测TOR流量——本质上是在利用报文的时序信息、传输速率建模
2019-01-22 利用神经网络进行网络流量识别——特征提取的方法是(1)直接原始报文提取前24字节,24个报文组成596像素图像CNN识别;或者直接去掉header后payload的前1024字节(2)传输报文的大小分布特征;也有加入时序结合LSTM后的CNN综合模型
2018-01-22 学界| UC Berkeley提出新型分布式框架Ray:实时动态学习的开端—— AI 应用的系统需求:支持(a)异质、并行计算,(b)动态任务图,(c)高吞吐量和低延迟的调度,以及(d)透明的容错性。
2018-01-22 Amazon宣布将MXNet作为AWS的深度学习框架——貌似性能比tf高啊
2018-01-22 详解Google第二代TPU 既能推理又能训练 性能霸道
2018-01-22 Intel 的 MKL是可以用来训练的——官方的实验也提到了训练
2017-01-22 levelDB, TokuDB, BDB等kv存储引擎性能对比——wiredtree, wiredLSM,LMDB读写很强啊
点击右上角即可分享
微信分享提示