博客
关于我
【leetcode-数组】有效的数独
阅读量:552 次
发布时间:2019-03-09

本文共 1353 字,大约阅读时间需要 4 分钟。

要判断一个9x9数独是否有效,需要确保每一行、每一列以及每个3x3的小宫内的数字1-9不重复。通过以下步骤可以有效地实现这个检查:

方法思路

  • 初始化辅助数组:创建三个9x9的布尔数组,分别用于记录每一行、每一列和每个小宫内的数字是否重复。
  • 遍历整个网格:逐个检查每个格子的值。
  • 处理已填数字:对于非'.'的格子,将其转换为数字,检查是否存在重复。
  • 行、列和宫检查:确保当前数字不在同一行、列或小宫中已存在。
  • 立即返回冲突:一旦发现重复,立即返回false。
  • 返回有效性:如果遍历无误,返回true。
  • 代码示例

    public class Solution {    public boolean isValidSudoku(char[][] board) {        boolean[][] rowFlag = new boolean[9][9];        boolean[][] colFlag = new boolean[9][9];        boolean[][] cellFlag = new boolean[9][9];                int m = board.length;        int n = board[0].length;                for (int i = 0; i < m; i++) {            for (int j = 0; j < n; j++) {                char cc = board[i][j];                if (cc != '.' && cc != '0') {                    int c = cc - '0';                    if (rowFlag[i][c] || colFlag[j][c] || cellFlag[3 * (i / 3) + (j / 3)][c]) {                        return false;                    }                    rowFlag[i][c] = true;                    colFlag[j][c] = true;                    cellFlag[3 * (i / 3) + (j / 3)][c] = true;                }            }        }        return true;    }}

    详细步骤

  • 初始化辅助数组:创建三个布尔数组,行、列和小宫存储是否存在重复数字。
  • 遍历每个格子:通过双重循环遍历整个9x9网格。
  • 检查当前格子:如果格子为空,继续下一个;如果是数字,转换为整数。
  • 复制当前行、列和宫的信息:检查当前数字是否在同一行、列或小宫中已存在。
  • 记录检查结果:如果已存在,返回false,表明数独无效。
  • 标记当前数字:如果检查通过,标记当前数字,避免重复检查。
  • 最终判断:如果遍历完无错误,返回true,数独有效。
  • 这样,可以高效地判断数独是否有效,满足规则要求。

    转载地址:http://ivhiz.baihongyu.com/

    你可能感兴趣的文章
    pandas GROUPBY+变换和多列
    查看>>
    pandas Groupby:创建两列的Groupby时,如何按正确的顺序对工作日进行排序?
    查看>>
    Pandas matplotlib 无法显示中文
    查看>>
    pandas PIVOT_TABLE保持索引
    查看>>
    Pandas Plots:周末的单独颜色,x 轴上漂亮的打印时间
    查看>>
    pandas to_latex() 转义数学模式
    查看>>
    Pandas 中文官档 ~ 基础用法4
    查看>>
    pandas 中的 for 循环真的很糟糕吗?我什么时候应该关心?
    查看>>
    Pandas 中的多索引旋转
    查看>>
    Pandas 中的日期范围
    查看>>
    pandas 中的时间序列箱线图
    查看>>
    Pandas 使用指南
    查看>>
    pandas 分组并使用最小值更新
    查看>>
    pandas 均值(mean), 均值填充NA(fill_na)
    查看>>
    Pandas 对数据框的布尔比较
    查看>>
    pandas 将通话数据分割为15分钟的间隔
    查看>>
    pandas 找到局部最大值和最小值
    查看>>
    pandas 按日期和年份分组,并汇总金额
    查看>>
    pandas 数据帧到PostgreSQL表中使用的是没有SQLAlChemy的心理复制2吗?
    查看>>
    pandas 数据帧多行查询
    查看>>