LeetCode 1170题解：字符串频次统计与二分查找优化-代码聚汇网

LeetCode 1170题解：字符串频次统计与二分查找优化

橙心橙怡

1. 问题背景与核心思路

LeetCode 1170题是一道典型的字符串处理与算法结合的题目，题目要求比较字符串数组中各字符串的最小字符出现频次。这类问题在实际工程中其实非常常见，比如在搜索引擎的查询建议、日志分析中的关键词统计等场景都会用到类似的思路。

我最初看到这道题时，第一反应是暴力解法——对每个查询字符串都遍历整个单词数组进行统计。但这样时间复杂度会达到O(n*q)，当数据量较大时（比如n和q都是10^5量级），这种解法显然无法通过。于是我开始思考更优的解法。

经过分析发现，这道题的核心在于两点：

预处理阶段：我们需要先计算出所有单词的"最小字符频次"（即该单词中字典序最小字符的出现次数）
查询阶段：对于每个查询，我们需要快速统计出预处理结果中有多少数字不大于当前查询的频次值

2. 预处理阶段的优化实现

2.1 最小字符频次的计算

计算一个单词的最小字符频次，看似简单，但有几个细节需要注意：

python复制def get_min_char_freq(word):
    if not word:  # 处理空字符串情况
        return 0
    min_char = min(word)  # 找到字典序最小的字符
    return word.count(min_char)  # 统计该字符出现次数

这里有几个优化点：

使用内置的min()函数比手动遍历更高效
count()方法的时间复杂度是O(n)，但因为是内置方法，实际运行速度比手动实现的循环更快
记得处理空字符串的特殊情况

2.2 预处理数组的构建

我们需要对输入的words数组进行预处理：

python复制freqs = [get_min_char_freq(word) for word in words]
freqs.sort()  # 关键步骤：排序预处理结果

排序这一步至关重要，它为后续的二分查找奠定了基础。时间复杂度分析：

计算所有单词的频次：O(n*L)，其中n是单词数量，L是平均单词长度
排序：O(n log n)

3. 二分查找的巧妙应用

3.1 查询处理的核心逻辑

对于每个查询字符串query，我们需要：

计算其最小字符频次f
在预处理好的freqs数组中，找出有多少个元素<=f

这里使用二分查找可以极大提升效率：

python复制import bisect

def num_smaller(freqs, f):
    return bisect.bisect_right(freqs, f)

bisect_right函数会返回第一个大于f的元素的索引，这个索引值正好就是<=f的元素数量。

3.2 边界情况处理

在实际编码中，有几个边界情况需要注意：

空查询字符串：按照题目要求，最小字符频次为0
预处理数组为空：直接返回0
所有频次都大于查询值：返回0
所有频次都小于等于查询值：返回数组长度

4. 完整代码实现与优化

结合上述思路，完整的解决方案如下：

python复制import bisect

class Solution:
    def numSmallerByFrequency(self, queries, words):
        def get_min_char_freq(word):
            if not word:
                return 0
            min_char = min(word)
            return word.count(min_char)
        
        # 预处理阶段
        freqs = [get_min_char_freq(word) for word in words]
        freqs.sort()
        
        # 查询处理阶段
        res = []
        for query in queries:
            f = get_min_char_freq(query)
            count = bisect.bisect_right(freqs, f)
            res.append(len(freqs) - count)
        
        return res

4.1 时间复杂度分析

预处理阶段：
- 计算所有单词频次：O(n*L)
- 排序：O(n log n)
查询阶段：
- 计算每个查询频次：O(q*L')
- 二分查找：O(q log n)

总时间复杂度：O(nL + n log n + q(L' + log n))，远优于暴力解法的O(nqL)

4.2 空间复杂度分析

预处理数组：O(n)
结果存储：O(q)

总空间复杂度：O(n + q)

5. 实际应用中的变体与扩展

这道题的解法模式（预处理+二分查找）其实可以应用到很多实际问题中：

5.1 日志分析中的高频查询

假设我们需要统计日志中某些关键词的出现频率，并快速回答"有多少关键词的频率在X到Y之间"这样的查询，就可以使用类似的预处理+二分查找方法。

5.2 电商系统中的商品筛选

在电商平台中，我们可能需要快速找出价格在某个区间的商品数量。预先对所有商品价格排序后，就可以用二分查找快速回答这类范围查询。

5.3 性能优化中的trade-off

这种解法体现了算法设计中常见的空间换时间思想。我们通过额外的O(n)空间存储预处理结果，将每次查询的时间复杂度从O(n)降到了O(log n)。在实际工程中，当查询次数远大于数据变更频率时，这种优化往往非常值得。

6. 常见错误与调试技巧

在实现这道题时，有几个常见的坑需要注意：

6.1 最小字符的判断错误

新手容易犯的一个错误是认为最小字符就是ASCII码最小的字符，而忽略了Unicode字符的情况。Python的min()函数已经正确处理了各种字符的比较，所以直接使用是最安全的。

6.2 二分查找的边界处理

bisect模块虽然好用，但需要注意：

bisect_left和bisect_right的区别
空数组时的返回值
所有元素都小于/大于目标值时的行为

6.3 输入数据的异常情况

实际工程中，我们需要考虑：

空输入的处理
超大输入的效率问题
非字符串类型的输入防御

7. 测试用例设计建议

为了验证代码的正确性，建议设计以下几类测试用例：

基础用例：
- 输入：queries = ["cbd"], words = ["zaaaz"]
- 预期输出：[1]
边界用例：
- 空查询或空单词列表
- 所有单词的最小字符频次相同
- 查询值小于/大于所有预处理值
性能用例：
- 大数量级的输入（1e5级别的queries和words）
- 超长字符串的测试
特殊字符用例：
- 包含数字、符号、Unicode字符的输入
- 大小写混合的字符串

8. 算法选择的思考过程

为什么选择预处理+二分查找这个方案？让我们对比几种可能的解法：

暴力解法：
- 每次查询都遍历整个words数组
- 时间复杂度O(n*q)，无法通过大规模测试
哈希表计数：
- 预处理时统计各种频次的出现次数
- 查询时需要对所有小于等于f的频次求和
- 当频次范围很大时，效率可能不如二分查找
排序+二分查找：
- 预处理排序O(n log n)
- 每次查询O(log n)
- 在查询次数多(q大)时优势明显

经过这样的对比分析，可以清楚地看到为什么第三种方案最适合本题。

9. 语言特性与实现细节

Python的实现中有几个值得注意的特性：

min()函数的时间复杂度是O(n)，但由于是内置函数，实际运行速度比手动实现的循环快很多。
bisect模块的二分查找实现非常高效，比手动实现的二分查找更可靠，因为它处理了各种边界情况。
列表推导式[f(w) for w in words]比显式的for循环更简洁高效。
在Python中，字符串处理操作通常比等价的C++或Java实现慢一些，所以算法复杂度相同的情况下，Python代码可能需要更多的优化。

10. 进阶思考与扩展

这道题还可以进一步扩展和变形：

如果允许动态添加单词到words中，如何维护预处理结果？
- 可以考虑使用平衡二叉搜索树来维护频次序列
- 这样插入操作是O(log n)，查询仍然是O(log n)
如果查询是范围查询（如统计频次在[a,b]之间的单词数量），如何修改解法？
- 仍然可以用排序+二分查找
- 使用bisect_left和bisect_right组合来实现范围统计
如果数据量极大，无法全部放入内存怎么办？
- 可以考虑外部排序算法
- 或者使用分布式处理框架如MapReduce

这些扩展问题可以帮助我们更深入地理解预处理和二分查找的应用场景。