在LeetCode做简单题的第5天
前言
时隔快一周再次打开LeetCode做题，今天是一道字符串简单题——有效的字母异位词。我保留了思路过程、编码习惯上的错误纠正，接着又学习了 collections.Counter ，Python内置模块的一个工具，最后弄懂了基于 ord() 的数组最优解法，因为休息了很长时间，再做题时动力较大，我还用豆包顺着题目做了变种拓展，今日整理下来方便以后看看。
一、题目
给定两个字符串 s 和 t，编写一个函数来判断 t 是否是 s 的字母异位词。
字母异位词的含义：两个字符串的字母组成完全相同，只是字母排列顺序不一样。
题目原始限制：字符串只包含小写英文字母。
示例：
输入 s = "anagram", t = "nagaram"，输出 True
输入 s = "rat", t = "car"，输出 False
二、我的思路过程：字典计数
新建字典，遍历s统计每个字母出现次数；再遍历t，每遇到一个字母就把字典里对应的计数减一，如果减到0就删除这个键。如果t里出现字典不存在的字母，直接返回False。遍历结束后字典为空，说明全部抵消，返回True。
class Solution:
def isAnagram(self, s: str, t: str) -> bool:
dict_s = {}
for i in s:
try: dict_s[i] += 1
except KeyError: dict_s[i] = 1
for j in t:
try:
dict_s[j] -= 1
if dict_s[j] == 0:
del dict_s[j]
except KeyError:
return False
if dict_s == {}:
return True
return False
代码可以通过测试用例，但必须优化的点有：
- 使用
try-except处理正常的键查找逻辑。异常捕获是用来处理意外错误的，不适合做常规判断，可读性差，开销也更大；可以改用dict.get()优雅实现计数。 - 没有提前判断两个字符串长度。异位词的前提一定是长度相等，长度不一样可以直接返回False，省去后面循环的开销。
- 计数归零就删除键不是必要操作，会增加字典删改的额外开销。
优化后的字典版本：
class Solution:
def isAnagram(self, s: str, t: str) -> bool:
if len(s) != len(t):
return False
count = {} # 不要用dict关键字起名字，改成count表示这是一个计数的字典
for char in s:
# 字典内置方法.get语法：.get(key, default)，返回对应value或default，源自菜鸟教程
count[char] = count.get(char, 0) + 1
for char in t:
if char not in count:
return False
count[char] -= 1
if count[char] == 0:
del count[char]
return count == {}
三、一种使用内置模块的简洁写法：collections.Counter
Counter 可以直接统计字符串中每个字符的频次，两个Counter对象直接比较即可。
from collections import Counter
class Solution:
def isAnagram(self, s: str, t: str) -> bool:
return Counter(s) == Counter(t)
⚠️ 注意：Counter本质上还是哈希字典，底层依旧存在哈希计算、哈希冲突的开销。刷题写它很省事，但不是最优解法。
四、最优解法：利用固定大小的数组计数
这是本题在给定“仅小写字母”条件下的最优方案，也是今天我理解的重点。
ord(c) 的作用：返回字符对应的ASCII码。（扩展：相反作用的函数chr()）
因为ord('a')=97、ord('z')=122，所以 ord(c)-ord('a') 可以把 a~z 映射成下标 0~25，我们开一个长度固定为26的数组，每个下标对应一个字母，用来存频次。
数组是直接下标访问，没有哈希计算的消耗，访问速度更快，空间复杂度是常数O(26)，且不会随输入字符串的变大而变大。
class Solution:
def isAnagram(self, s: str, t: str) -> bool:
if len(s) != len(t):
return False
arr = [0] * 26
for c in s:
# a到z的ASCll码是连续的，对应arr连续的26的下标
arr[ord(c) - ord('a')] += 1
for c in t:
arr[ord(c) - ord('a')] -= 1
for num in arr:
if num != 0:
return False
return True
拓展变种：顺着思路举一反三
下面通过修改字符集，拓展和理解这个数组思路：
- 变种1：包含大小写字母，不区分大小写。全部转为小写，依旧使用长度26的数组。
- 变种2：区分大小写，A-Z和a-z是不同字符。一共52个字符，数组长度52。A-Z映射0到25，a-z映射26到51。
- 变种3：区分大小写 + 数字0~9。一共62个字符，数组长度62，数字映射到52到61。
ASCll码不连续的时候，用if判断句改一改下标的计算公式即可：
if c.isupper():
（缩进）idx = ord(c) - ord('A')
elif c.islower():
（缩进）idx = 26 + ord(c) - ord('a')
elif c.isdigit():
（缩进）idx = 52 + ord(c) - ord('0')
else:
总结：当字符集合固定、种类很少的时候（如本题），优先利用ord()、固定数组大小；当字符不确定、存在大量符号/Unicode字符，再改用哈希（字典/Counter）。
五、Counter工具简单扩展
Counter是Python内置模块collections中的工具之一，可以方便快捷地计数。
主要功能：接收一个可迭代对象（字符串、列表、元组），统计里面每个元素出现次数，存成 {元素:次数} 的字典。
与dict不同，读取不存在的key时并不会报错。
此外，不仅可以用dict的方法，还自带一些dict不支持的方法：
.most_common(n)：拿到出现次数最多的 n 个元素.+-运算符：两个 Counter 可以加减计数（负次数会被自动删掉）
方法不全，仅记住第一个。
六、时间/空间复杂度
最优解——数组方法：
- 时间复杂度：O (n)
设n是两个字符串的长度（长度相等）
遍历 s：O (n)，遍历 t：O (n)，最后遍历长度固定 26 的数组：O (1)（常数，和输入规模无关）
总和：O (n + n + 26) = O(n) - 空间复杂度：O (1)（常数空间）
数组永远固定 26 个元素，不管输入字符串多长，占用空间不变，属于常数空间。
最短解——Counter工具：
- 时间复杂度：O (n)
Counter 内部也是遍历字符串统计，两个 Counter 比较也是逐个对比 key，整体依然是 O (n)。
✅ 渐进复杂度和数组版本一样
⚠️ 但是常数更大：哈希计算、哈希冲突处理、哈希表扩容、字典对象本身开销，每一步都有额外工作。
也就是：同是 O (n)，数组跑起来更快。 - 空间复杂度：O (k)
k 是字符串中不同字符的数量。本题最多 26 个小写字母，最坏是 O (26)，也就是这个场景下也可以说成 O (1)；
但它的本质是随字符种类变化的哈希表：如果字符集很大（比如大量 Unicode 字符），k 会跟着输入变大，这时空间就不再是常数。
对比数组：数组是强制固定 26，绝对常数。
七、今日总结
- 异常捕获不要拿来做常规判断，
dict.get()是字典计数更好的选择； - 异位词第一步先判断长度，这是很容易漏掉的优化；
- Counter底层是哈希表，有性能开销；
- ord() 可以把字符映射成数组下标，固定字符集场景下数组是最优解；
- 当字符包含大小写、数字，还有
!@#$%^&*这类零散符号时，需要手动维护一张字符到下标的映射表，if 判断会变得非常冗长，后续新增符号还要修改映射。这种场景下，使用 Counter 是更合适的选择。 - Counter 不需要关心字符的 ASCII 是否连续，任意字符都可以直接统计频次。
- Counter 的特点：读取不存在的键时返回 0 而不是抛出 KeyError，支持 most_common、加减计数等便捷接口。
- Counter 的时间复杂度是 O (n)，与数组，只是相比固定数组存在哈希计算的额外常数开销。
5到8点总结出一条更精准的选型标准：
字符集合固定、ASCII 连续 → 数组（最优性能）
字符种类杂乱、ASCII 离散、不确定 → 哈希表 / Counter（优先开发效率）
浙公网安备 33010602011771号