【Hot100算法刷题集】哈希-02-字母异位词分组（含排序构造键、自定义键、自定义哈希函数法）

题目转载

题目描述

🔒link->题目跳转链接
给你一个字符串数组，请你将 字母异位词 组合在一起。可以按任意顺序返回结果列表。

字母异位词 是由重新排列源单词的所有字母得到的一个新单词。

题目示例

题目提示

● 1 1 1 <= strs.length <= 1 0 4 10^4 104
● 0 0 0 <= strs[i].length <= 100 100 100
● strs[i] 仅包含小写字母

解题思路及代码

整理题意

题目中给出了异位字母词的概念，其指的是，如果两个单词的26个英文字母数相同，但位于的位置不同，则称为异位字母词。如eat和ate就是异位字母词，它们都有1个a、1个e、1个t；如queue和queen就不是异位字母词，因为他们的u和n字母的数量不同。

[1]排序

从异位字母词的概念我们可以知道，如果对两个互为异位字母词的字母串进行排序，则它们都会得到相同的字符串。如eat和ate排序后均为aet。那么我们可以使用哈希表进行存储，键域（key）保存异位字母词排序后的字符串，值域（value）保存一个vector<string>类型，用于保存所有排序后为键（key）的字符串。

class Solution {
public:
    vector<vector<string>> groupAnagrams(vector<string>& strs) {
        unordered_map<string, vector<string>> m;
        for(auto str : strs)
        {
            string tmp = str;
            sort(tmp.begin(), tmp.end());
            m[tmp].push_back(str);
        }
        
        vector<vector<string>> ret;
        for(auto member : m)
        {
            ret.push_back(member.second);
        }
        return ret;
    }
};

[2]计数

既然互为异位字母词的字符串的各个字母数量相等，我们可不可以将上面哈希表中的键（key）改为26个字母的计数数组呢？在C++中，unordered_map无法直接将数组作为键（key），需要将数组转换为unordered_map支持的类型，如string、int等；或借助于仿函数，实现数组的直接比较。

自主定义键（key）

以纯数字字符串为键

从题目的提示可知，每个字母最多出现10000次，如果使用数字字符表示，需要5个；而26个字母，每个用5个数字字符表示，即需要 26 × 5 26×5 26×5，即130个字符表示，由这个字符串作为哈希表的键（key）。

class Solution {
public:
    string arrToSting(vector<int>& arr)
    {
        string ret;
        for(auto elem : arr)
        {
            string tmp; 
            tmp.push_back(elem);
            while(tmp.size() < 5) tmp.insert(tmp.begin(), '0');
            ret.append(tmp);
        }
        return ret;
    }
    vector<vector<string>> groupAnagrams(vector<string>& strs) {
        unordered_map<string, vector<string>> m;
        for(auto& str : strs)
        {
            vector<int> count(26);
            for(auto e : str) ++count[e - 'a'];
            m[arrToSting(count)].push_back(str);
        }

        vector<vector<string>> ret;
        for(auto elem : m)
        {
            ret.push_back(elem.second);
        }
        return ret;
    }
};

以数字、字母交替字符串为键

除了上面的方式，我们可以使用“字母+字母数量”组合而成的字符串作为键（key），如下图所示。

class Solution {
public:
    string arrToSting(vector<int>& arr)
    {
        string ret;
        for(int i = 0; i < arr.size(); ++i)
        {
            ret.push_back(i + '1');
            ret.push_back(arr[i]);
        }
        return ret;
    }
    vector<vector<string>> groupAnagrams(vector<string>& strs) {
        unordered_map<string, vector<string>> m;
        for(auto& str : strs)
        {
            vector<int> count(26);
            for(auto e : str) ++count[e - 'a'];
            m[arrToSting(count)].push_back(str);
        }

        vector<vector<string>> ret;
        for(auto elem : m)
        {
            ret.push_back(elem.second);
        }
        return ret;
    }
};

自定义哈希函数

在介绍该方法前，先对一些C++中的操作进行介绍并给出相关示例。首先介绍std::hash，该哈希函数对象位于functional库中，它可用于为不同的类型生成哈希值，下方是关于std::hash的示例：

#include <iostream>
#include <functional>

int main()
{
	int num = 666;
	std::hash<int> hasher;
	size_t hashValue = hasher(num);
	std::cout << num << "'s hashValue is " << hashValue << std::endl;
	return 0;
}

🔍注意：C++中规定，哈希值为size_t类型

下面再认识一下std::accumulate，它位于numeric库中，默认情况下，它所实现的就是将数组中的所有数据累加。第一个参数为待计算区间的起始迭代器，第二个参数是待计算区间的终止迭代器，第三个参数是起始值，代码示例如下（下方输出结果为10）：

#include <iostream>
#include <vector>
#include <numeric>

int main()
{
	std::vector<int> arr = {1, 2, 3, 4};
	std::cout << std::accumulate(arr.begin(), arr.end(), 0) << std::endl;
	return 0;
}

我们可以通过lambda表达式，自定义accumulate的累加操作。下方的acc表示当前所累加的数字综合，num表示当前数字，由accumulate函数自动传入。

#include <iostream>
#include <vector>
#include <numeric>

int main()
{
	std::vector<int> arr = {1, 2, 3, 4};
	int ret = std::accumulate(arr.begin(), arr.end(), 0, [&](int acc, int num){
		std::cout << "before add num, acc is " << acc << std::endl;
		acc += num;
		std::cout << "after add num values " << num << " acc is " << acc << std::endl;
		retrun acc;
	});
	std::cout << "final ret is " << ret << std::endl;
	return 0;
}

介绍完上述的操作后，下面开始介绍自定义哈希函数的方法。unordered_map在存储值域（value）时，先使用哈希函数对键域（key）进行映射操作，找到对应的映射位置后才能存储值（value）。而unordered_map之所以无法使用数组作为键域（key），就是因为缺少对应的哈希映射函数，那我们只要提供对应的哈希映射函数即可。下面提供了一个哈希映射函数。

auto arrayHash = [fn = hash<int>{}](const array<int, 26>& arr) -> size_t {
    return accumulate(arr.begin(), arr.end(), 0u, [&](size_t acc, int num){
        return (acc << 1) ^ fn(num);
    });
};

这里的哈希映射函数是将累加的数值总和acc<<2，即将acc乘以2，再与生成的哈希值做异或运算。下面我们将哈希映射函数提供给unordered_map，它就可以实现对数组作为键域（key）的位置映射。

class Solution {
public:
    vector<vector<string>> groupAnagrams(vector<string>& strs) {
        auto arrayHash = [fn = hash<int>{}](const array<int, 26>& arr) -> size_t {
            return accumulate(arr.begin(), arr.end(), 0u, [&](size_t acc, int num) {
                return (acc << 1);
            });
        };

        unordered_map<array<int, 26>, vector<string>, decltype(arrayHash)> mp(0, arrayHash);
        for(string& str : strs)
        {
            array<int, 26> counts{};
            int length = str.length();
            for(int i = 0; i < length; i++)
            {
                counts[str[i] - 'a']++;
            }
            mp[counts].emplace_back(str);
        }
        vector<vector<string>> ans;
        for (auto it = mp.begin(); it != mp.end(); ++it) {
            ans.emplace_back(it->second);
        }
        return ans;
    }
};

这里的思路和哈希算法均为官方给出的题解，我们可能会有疑惑，这里的哈希映射函数，我们可以修改吗？当然可以，只要我们保证不同的值映射到的位置尽可能不同，尽量避免哈希冲突，这个哈希映射函数就是相对成功的。

对于queen的累次计算结果如下：

这里的<<（左移）操作本质是扩大acc的数值。不断扩大结果集有助于降低哈希冲突的概率，但这却并不表明我们可以完全避免哈希冲突。由于每个字母至多出现10000次，10000至多需要13个比特位表示，若对acc每次左移13位，可完全避免哈希冲突。但左移位数越多，键域（key）所占的比特数越大。这里通过^（异或）操作尽量打乱二进制位，而不是增加<<（左移）数量的方式来减少哈希冲突概率，可以避免键（key）占用的二进制位过多。至于如何设计函数需要根据不同题目给出，这里不再讨论。这个方法建议作为了解即可，哈希函数的构造需要的数学理论和难度相对较高，这个方法也不容易想到。