刷 LeetCode 刷到矩陣專題時我一度覺得這些題有點“不講武德”——看起來都是二維數(shù)組的操作真要動手寫卻各種邊界錯誤、死循環(huán)。但刷完整理之后發(fā)現(xiàn)矩陣題其實是 Hot 100 里最值得花時間系統(tǒng)總結(jié)的一類它考察的不只是你會不會遍歷而是你對坐標和狀態(tài)的敏感度。這篇就聊聊我在 Hot 100 矩陣專題里的破題思路、代碼細節(jié)和踩坑記錄希望對正在刷題的朋友有幫助。先給不熟悉的朋友交個底Hot100 是一個高頻題目合集基本覆蓋了各大公司面試里最常見的算法題。矩陣專題是其中的類型標簽之一常見題目包括矩陣置零、螺旋矩陣、旋轉(zhuǎn)圖像、搜索二維矩陣 II、島嶼數(shù)量、單詞搜索、最大矩形等。這些題的數(shù)據(jù)結(jié)構(gòu)一點也不復(fù)雜不需要高深的圖論或者高級數(shù)據(jù)結(jié)構(gòu)但每一道都在變著法子考驗?zāi)銓ΧS數(shù)組下標的掌控力。不信你可以做個測試隨便拿一張 4x4 的方格紙在上面寫下螺旋順序的訪問下標看看能不能不涂改地寫到最后。我試過前幾圈很順到第三圈就開始出錯——不是少了一個格子就是方向搞反了。矩陣題就難在這里邏輯上你完全知道該怎么做但轉(zhuǎn)換成代碼時下標計算的小偏差會讓結(jié)果面目全非。1. 矩陣專題的整體認知與破題思路1.1 Hot100 里的矩陣題到底在考什么我刷下來最大的感受是矩陣專題的題目雖然形式上五花八門但核心考的就是三件事——坐標變換、狀態(tài)標記和模式抽象。坐標變換對應(yīng)的是“你在哪個位置、要往哪里走”狀態(tài)標記對應(yīng)的是“哪些信息需要記住、記在哪里”模式抽象對應(yīng)的是“這個矩陣題本質(zhì)是什么結(jié)構(gòu)”。如果你把這三點記在心里再去看 Hot100 里的矩陣題就會發(fā)現(xiàn)自己能對題目做分類了。哪些題考坐標變換最重螺旋矩陣、旋轉(zhuǎn)圖像、對角線遍歷。哪些題考狀態(tài)標記最重矩陣置零、島嶼數(shù)量、單詞搜索。哪些題考模式抽象最重搜索二維矩陣 II 本質(zhì)上是一棵二叉搜索樹最大矩形本質(zhì)上是一維柱狀圖加單調(diào)棧。我自己整理過一張常見題目的考點速查表刷題時貼在筆記本旁邊很有用題目核心考點關(guān)鍵技巧推薦復(fù)雜度矩陣置零狀態(tài)標記第一行第一列作標記O(mn) 時間O(1) 空間螺旋矩陣坐標變換四邊界收縮法O(mn) 時間O(1) 空間旋轉(zhuǎn)圖像坐標變換轉(zhuǎn)置 行反轉(zhuǎn)O(n^2) 時間O(1) 空間搜索二維矩陣 II模式抽象右上角出發(fā)排除法O(mn) 時間O(1) 空間島嶼數(shù)量狀態(tài)標記DFS 原數(shù)組置零O(mn) 時間O(1) 空間單詞搜索坐標變換 回溯方向數(shù)組 恢復(fù)現(xiàn)場O(mn*4^L) 時間O(L) 空間這張表不是讓你背答案而是幫你建立題感看到一個矩陣題先判斷它屬于哪一類再去套對應(yīng)模板。1.2 矩陣題背后的三類底層能力第一是坐標感知。矩陣的每個位置都由 row 和 col 唯一確定題目里的“第 i 行”“第 j 列”“沿對角線”“順時針旋轉(zhuǎn)”這些動作本質(zhì)都是坐標變換。做這類題腦子里要有坐標系的畫面感最好用手比劃一下往右是 col 加一往下是 row 加一往左上就是 row 減一且 col 減一。別看這很簡單螺旋矩陣、旋轉(zhuǎn)圖像、對角線遍歷這些題一旦方向多了人就容易亂。第二是狀態(tài)設(shè)計。很多矩陣題需要在遍歷過程中記錄一些狀態(tài)比如哪些行要置零、哪些格子已經(jīng)訪問過、當前路徑上哪些字母已經(jīng)用掉。狀態(tài)放在哪里、怎么更新、什么時候清除直接決定了空間復(fù)雜度和正確性。矩陣置零的 O(1) 解法就是把狀態(tài)存進矩陣本身這是非常經(jīng)典的狀態(tài)設(shè)計案例。第三是模式抽象。有些矩陣題表面是二維數(shù)組本質(zhì)是其他數(shù)據(jù)結(jié)構(gòu)。最典型的是搜索二維矩陣 II——它的遞增特性讓矩陣變成了一棵隱形的二叉搜索樹從右上角沿著“小往左、大往下”的規(guī)則走每一步都像是在二叉樹上做判斷。能看出這一層解題自然又快又穩(wěn)。這種抽象能力是區(qū)分“背題”和“懂題”的分水嶺。我認為刷矩陣專題的正確節(jié)奏應(yīng)該是先理解這三類能力再分題型去練。不要一上來就背題解而是自己在紙上畫矩陣一步步推演。矩陣題的規(guī)律基本都能在小紙片上推出來這比直接看代碼要有效得多。2. 題型拆解四種高頻套路2.1 原地操作矩陣置零的 O(1) 空間解法矩陣置零是矩陣專題的入門題也是考察“原地操作”的代表作。題目說如果 matrix[i][j] 等于 0就把第 i 行和第 j 列全部置成 0。一看到這種題很多人的第一反應(yīng)是先遍歷一遍把需要置零的行列記下來第二遍再統(tǒng)一置零。這自然是可行的用兩個集合或者兩個布爾數(shù)組就能實現(xiàn)空間復(fù)雜度 O(mn)。但如果面試官要求只用常數(shù)空間該怎么做答案是用矩陣的第一行和第一列充當標記數(shù)組。思路是先單獨記住第一行和第一列本身是否含 0否則第一行第一列被標記覆蓋后會失真然后遍歷剩余區(qū)域遇到零就更新對應(yīng)位置matrix[i][0] 0 表示第 i 行需要置零matrix[0][j] 0 表示第 j 列需要置零。標記完之后再根據(jù)這些標記統(tǒng)一置零最后單獨處理第一行和第一列。這樣額外空間只有兩個布爾變量是 O(1)。這個小技巧的本質(zhì)是把“額外存儲”遷移到“矩陣自身未使用的信息載體”上。第一行和第一列在其他計算中是真實的元素但在這個問題里它們先被當作標記位用等所有標記做完了再恢復(fù)成普通行和列來處理。這里的順序非常重要先處理非首行非首列的區(qū)域再處理首行首列否則標記會被后續(xù)置零操作干擾。我第一次寫的時候就是先把第一行置零了結(jié)果后面掃描行列標記時全亂了白白調(diào)試了半個多小時。這種“用自身存狀態(tài)”的思路在算法題里非常常見以后做并查集、狀態(tài)壓縮都會遇到。2.2 方向模擬螺旋矩陣的邊界控制法螺旋矩陣是另一道經(jīng)典題要求按順時針螺旋順序返回矩陣的所有元素。它的難點在于方向切換和邊界收縮。我推薦維護四個邊界變量top、bottom、left、right初始分別是 0、m-1、0、n-1。每次循環(huán)按“上邊從左到右、右邊從上到下、下邊從右到左、左邊從下到上”的順序訪問每訪問完一條邊就把對應(yīng)的邊界往里縮一格。看起來很直觀但有一個細節(jié)容易翻車當矩陣只剩下中間一行或一列時走完上邊和右邊之后下邊和左邊的循環(huán)會和已經(jīng)訪問過的元素重復(fù)。解決辦法是在訪問下邊之前判斷 top bottom在訪問左邊之前判斷 left right。這兩個條件缺一不可。實際寫代碼時很多人會忘掉其中一個導致輸出結(jié)果長度超過 m*n或者元素重復(fù)出現(xiàn)。我見過一個最隱蔽的 bug在非正方形矩陣里前半段正常后半段重復(fù)輸出就是因為這兩個判斷少了一個。螺旋矩陣還有一個常見的變體是“螺旋矩陣 II”給定 n要求生成一個 1 到 n^2 的螺旋矩陣。解法思路完全一樣只是把“輸出”換成“填入”。萬變不離其宗邊界控制法是這類題的通用模板我建議把它背到滾瓜爛熟——面試里遇到原題容錯率極高。2.3 技巧先行旋轉(zhuǎn)圖像與搜索二維矩陣 II旋轉(zhuǎn)圖像要求原地順時針旋轉(zhuǎn) 90 度。初學者容易寫出一大堆坐標交換的代碼稍不留神就錯。最不容易出錯的寫法是兩步法先沿主對角線轉(zhuǎn)置再逐行反轉(zhuǎn)。為什么這樣是對的因為順時針旋轉(zhuǎn) 90 度等價于先做矩陣轉(zhuǎn)置再水平翻轉(zhuǎn)每一行。轉(zhuǎn)置就是 matrix[i][j] 與 matrix[j][i] 互換水平翻轉(zhuǎn)就是第 j 列與第 n-1-j 列互換。兩步都是非常規(guī)則的操作寫起來簡單邏輯也好驗證。如果題目改成逆時針旋轉(zhuǎn)就改成“左右翻轉(zhuǎn)再轉(zhuǎn)置”或者“轉(zhuǎn)置再垂直翻轉(zhuǎn)”自己推導一遍就懂了。搜索二維矩陣 II則是典型的“模式抽象”題。矩陣的行列都是遞增的暴力遍歷是 O(mn)二分每行是 O(mlog n)但最優(yōu)解是 O(mn) 的“右上角出發(fā)法”。從右上角 matrix[0][n-1] 開始當前值如果大于 target就向左移動一列因為下方只會更大如果小于 target就向下移動一行因為左側(cè)只會更小相等就返回 true。整個流程和二叉搜索樹的查找一模一樣只是把左右子樹換成了左右列和上下行。這里面的關(guān)鍵認知是不要把矩陣當成二維數(shù)組要把它看成二叉搜索樹。一旦視角轉(zhuǎn)換解法自然浮現(xiàn)。我對比過三種搜索方式的適用場景做成了一張小表方法時間復(fù)雜度空間復(fù)雜度適用場景暴力遍歷O(mn)O(1)矩陣很小圖省事每行二分O(m log n)O(1)只有行有序右上角排除O(mn)O(1)行列都遞增最推薦2.4 網(wǎng)格遍歷DFS/BFS 與訪問標記矩陣專題里還有一大類題目核心是遍歷網(wǎng)格島嶼數(shù)量、單詞搜索、腐爛的橘子、被圍繞的區(qū)域等等。這類題有一個通用模板每個位置有若干方向通常四個從起始位置出發(fā)沿著方向做深度優(yōu)先或廣度優(yōu)先搜索同時標記訪問狀態(tài)防止死循環(huán)。標記狀態(tài)有三種常見方式一是單獨開一個布爾數(shù)組 visited二是把訪問過的格子改成特殊值比如把 1 改成 0三是用方向數(shù)組配合邊界檢查。我個人更推薦第二種前提是題目允許修改原數(shù)組。它能把空間復(fù)雜度從 O(m*n) 降到 O(1)而且代碼更短。比如島嶼數(shù)量里訪問過的陸地直接改 0就不需要額外記錄。但這里要特別注意回溯型的搜索比如單詞搜索和狀態(tài)遍歷型的搜索比如島嶼數(shù)量對標記的處理是不同的。島嶼數(shù)量訪問完一個格子它的狀態(tài)就確定了直接改成 0 沒問題單詞搜索是在找一條路徑這條路走不通時要回退所以訪問標記必須在遞歸返回時恢復(fù)。我見過太多人把單詞搜索寫成“走過的格子再也走不回去”導致正確答案一條都搜不出來?；謴?fù)現(xiàn)場是回溯的精髓后面我會再展開講。3. 核心題目拆解與代碼實現(xiàn)3.1 矩陣置零從暴力到 O(1) 的完整演進先用最直觀的方法復(fù)制一個臨時矩陣遍歷原矩陣遇到 0 就修改臨時矩陣中對應(yīng)的整行和整列。優(yōu)點是思路簡單缺點是空間 O(mn)肯定不是面試官想要的答案。進階版用兩個數(shù)組 rowZero 和 colZero 記錄行和列是否需要置零空間 O(mn)。最終版就是上一節(jié)講的標記法。我把完整代碼貼出來注釋標清楚每一步在干什么def setZeroes(matrix): if not matrix or not matrix[0]: return m, n len(matrix), len(matrix[0]) # 1. 記錄第一行、第一列本身是否含 0 first_row_has_zero any(matrix[0][j] 0 for j in range(n)) first_col_has_zero any(matrix[i][0] 0 for i in range(m)) # 2. 用第一行和第一列作為標記位 for i in range(1, m): for j in range(1, n): if matrix[i][j] 0: matrix[i][0] 0 matrix[0][j] 0 # 3. 根據(jù)標記位把對應(yīng)的行和列置零 for i in range(1, m): for j in range(1, n): if matrix[i][0] 0 or matrix[0][j] 0: matrix[i][j] 0 # 4. 最后單獨處理第一行和第一列 if first_row_has_zero: for j in range(n): matrix[0][j] 0 if first_col_has_zero: for i in range(m): matrix[i][0] 0注意最前面的兩個布爾變量。如果不記錄它們當?shù)谝恍斜旧碛?0 時整個第一行會被標記位邏輯誤處理成所有列都需要置零——因為 matrix[0][j] 在標記過程中都被寫成了 0。這兩個變量的作用是把第一行和第一列從標記系統(tǒng)中剝離出來留到最后單獨處理。實際寫代碼時我發(fā)現(xiàn)一個更簡潔的變體不單獨記錄 first_col_has_zero而是用列標記位和首列處理做微調(diào)。但簡潔往往伴隨可讀性下降我面試時還是傾向于寫上面這種直白版本。面試官要的是穩(wěn)定正確不是炫技。3.2 螺旋矩陣標準模板和變體適配再貼一下我常用的螺旋矩陣模板。這個模板我用來解決過螺旋矩陣、螺旋矩陣 II以及按螺旋順序遍歷的其他變體穩(wěn)定度很高def spiralOrder(matrix): res [] if not matrix or not matrix[0]: return res top, bottom 0, len(matrix) - 1 left, right 0, len(matrix[0]) - 1 while top bottom and left right: # 上邊從左到右 for j in range(left, right 1): res.append(matrix[top][j]) top 1 # 右邊從上到下 for i in range(top, bottom 1): res.append(matrix[i][right]) right - 1 # 下邊從右到左需要判斷邊界是否仍有效 if top bottom: for j in range(right, left - 1, -1): res.append(matrix[bottom][j]) bottom - 1 # 左邊從下到上同理需要判斷 if left right: for i in range(bottom, top - 1, -1): res.append(matrix[i][left]) left 1 return res核心順序上邊、右邊、下邊、左邊每完成一段就收縮對應(yīng)邊界。有人會問為什么外層循環(huán)已經(jīng)寫了 top bottom and left right內(nèi)部還要重復(fù)判斷因為在上邊和右邊走完后矩陣可能只剩一行一列此時如果繼續(xù)走下邊或左邊會重復(fù)輸出。這兩個內(nèi)部判斷是防止越界和重復(fù)的關(guān)鍵務(wù)必保留。我踩過的坑是在寫螺旋矩陣 II 時把 while 條件寫成了 while count n * n然后再在里面逐段填數(shù)結(jié)果最后一個元素總是重復(fù)覆蓋。后來發(fā)現(xiàn)根因還是邊界判斷順序的問題——外層循環(huán)條件不變但內(nèi)部某段循環(huán)已經(jīng)越界。建議任何螺旋類題目都先畫出最后兩三圈的邊界情況心里有數(shù)再寫代碼。畫圖真的比想代碼快因為螺旋的邊界變化是很機械的畫一遍就記住了。3.3 旋轉(zhuǎn)圖像兩步法為什么不容易錯旋轉(zhuǎn)圖像我強烈推薦“轉(zhuǎn)置 行反轉(zhuǎn)”兩步法def rotate(matrix): n len(matrix) # 第一步沿主對角線轉(zhuǎn)置 for i in range(n): for j in range(i 1, n): matrix[i][j], matrix[j][i] matrix[j][i], matrix[i][j] # 第二步逐行反轉(zhuǎn) for i in range(n): matrix[i].reverse()這里的轉(zhuǎn)置只需要遍歷上三角j 從 i1 開始避免重復(fù)交換。行反轉(zhuǎn)直接調(diào) reverse。兩步合起來就是順時針 90 度旋轉(zhuǎn)。逆時針旋轉(zhuǎn) 90 度等價于先垂直翻轉(zhuǎn)上下翻轉(zhuǎn)再轉(zhuǎn)置或者轉(zhuǎn)置后逐列翻轉(zhuǎn)。我會建議讀者自己用 3x3 矩陣推一遍推導過程很簡單但能讓你徹底記住而不是死記硬背。推導時你只需要記錄元素位置的變化比如 (0,0) 轉(zhuǎn) 90 度后到 (0,2)兩次變換正好落在預(yù)期位置。網(wǎng)上還有一種“環(huán)式旋轉(zhuǎn)法”按層按組一次旋轉(zhuǎn)四個元素比如 matrix[i][j] - matrix[j][n-1-i] - matrix[n-1-i][n-1-j] - matrix[n-1-j][i]。這種方法的優(yōu)點是原地性更純粹但下標關(guān)系容易算錯我不太推薦新手一上來就寫。面試中時間有限轉(zhuǎn)置 反轉(zhuǎn)的代碼量更少且每個步驟都容易自測。我見過有同學在環(huán)式旋轉(zhuǎn)法里把 n-1-i 寫成 n-i整個旋轉(zhuǎn)結(jié)果就亂了這種錯誤在緊張的時候特別容易犯。3.4 搜索二維矩陣 II右上角出發(fā)的查找def searchMatrix(matrix, target): if not matrix or not matrix[0]: return False m, n len(matrix), len(matrix[0]) row, col 0, n - 1 # 從右上角出發(fā) while row m and col 0: if matrix[row][col] target: return True elif matrix[row][col] target: col - 1 # 往左找更小的 else: row 1 # 往下找更大的 return False這段代碼很短但背后的推理很關(guān)鍵右上角元素是它所在行的最大值、所在列的最小值。如果 target 比它小只能去左側(cè)找如果比它大只能去下方找。每走一步就排除一整行或一整列雖然循環(huán)次數(shù)可能達到 mn但原因是排除法而非二分。這個題還有一個進階版本搜索二維矩陣LeetCode 74矩陣的行有序且下一行的第一個元素大于上一行的最后一個元素相當于把整個矩陣展開成一個一維遞增數(shù)組。解法就是標準二分查找把 mid 映射回 matrix[mid // n][mid % n]。Hot100 里通?？嫉氖?240 這種行列各自遞增的版本但兩個題放在一起對比著看你會對“矩陣如何降維”有更深的理解。一個是“逐層排除”一個是“真正降維”面試時如果能主動把兩者區(qū)分開會是一個不錯的加分點。3.5 島嶼數(shù)量網(wǎng)格 DFS 的通用模板島嶼數(shù)量是網(wǎng)格遍歷的入門題。思路遍歷所有格子遇到陸地 1 就從這里開始 DFS把連通的陸地全部標記成已訪問改成 0計數(shù)加一。代碼模板def numIslands(grid): if not grid or not grid[0]: return 0 m, n len(grid), len(grid[0]) count 0 def dfs(i, j): # 越界或遇到水就停止 if i 0 or i m or j 0 or j n or grid[i][j] 0: return grid[i][j] 0 # 標記為已訪問 dfs(i 1, j) dfs(i - 1, j) dfs(i, j 1) dfs(i, j - 1) for i in range(m): for j in range(n): if grid[i][j] 1: count 1 dfs(i, j) return count這個模板可以應(yīng)對大量網(wǎng)格類問題比如被圍繞的區(qū)域改成從邊界 DFS 標記不需要翻轉(zhuǎn)的區(qū)域、腐爛的橘子改成 BFS 按分鐘擴散、太平洋大西洋水流問題改成從兩個方向的邊界出發(fā) DFS。每次遇到新題先判斷它是“連通塊計數(shù)”還是“路徑搜索”前者用這種訪問后直接改狀態(tài)的模板就夠了后者要記得恢復(fù)現(xiàn)場。不過要注意如果網(wǎng)格特別大DFS 遞歸深度可能超過 Python 默認的遞歸限制會報 RecursionError。這時候要么改用迭代棧模擬 DFS要么改用 BFS用隊列要么用 sys.setrecursionlimit 調(diào)高限制。我在刷題平臺上通常優(yōu)先寫 BFS畢竟自己維護隊列比遞歸更可控也不怕遞歸層數(shù)太深。BFS 模板其實也很固定初始節(jié)點入隊彈出時處理四個方向滿足條件的入隊并標記狀態(tài)。真到了海量數(shù)據(jù)的場景這個習慣能幫你省掉不少麻煩。4. 常見問題與調(diào)試心得4.1 邊界條件空矩陣與單行單列矩陣題最容易錯的不是算法本身而是各種邊界輸入。空矩陣matrix []和空行matrix [[]]是兩種不同的情況很多解法開頭的 if not matrix or not matrix[0] 就是為了同時處理這兩者。單行矩陣或單列矩陣在螺旋遍歷、旋轉(zhuǎn)、置零時都有特殊行為比如螺旋矩陣在只有一行時下邊和左邊的處理必須被跳過。我的習慣是寫完核心邏輯后第一時間用四個用例自測——空矩陣、單行矩陣、單列矩陣、正常矩陣。這四個用例能過濾掉 80% 的邊界錯誤。不要嫌麻煩很多矩陣題的隱蔽 bug 就是在單行單列這種極端輸入下暴露出來的。比如旋轉(zhuǎn)圖像里 n1 時轉(zhuǎn)置循環(huán)根本不執(zhí)行直接返回即可但如果你的代碼寫了 n-1 這種下標就要小心越界。4.2 原地修改被覆蓋的問題矩陣置零也好旋轉(zhuǎn)圖像也罷原地操作最大的隱患是“用到了還沒被處理的值”。比如矩陣置零如果用拷貝矩陣的樸素思路就不會有覆蓋問題一旦用標記法就必須先掃描、再統(tǒng)一置零不能在掃描的同時就改 matrix[i][j]因為后面的判斷可能依賴原值。有一個相關(guān)技巧當需要借用矩陣自身存狀態(tài)時盡量把狀態(tài)寫在第一行第一列而不是寫在當前格子里。寫在當前格子會導致遍歷還沒完成時狀態(tài)已經(jīng)亂了。這是我在實際編碼中反復(fù)踩過的坑——比如寫一個需要標記“已訪問”的題直接把當前格改成 0結(jié)果后續(xù)的判斷把 0 當成原來的狀態(tài)處理了。這種錯誤特別容易在遞歸里出現(xiàn)因為遞歸的調(diào)用順序是非線性的你很難一眼看出那個格子被提前改掉了。4.3 死循環(huán)與重復(fù)訪問網(wǎng)格 DFS 如果忘了標記訪問狀態(tài)就會在兩個格子之間無限遞歸A 訪問 BB 又訪問 A。這正是“死循環(huán)”最常見的來源。另一個常見來源是邊界收縮后仍然訪問已越界的區(qū)域。螺旋矩陣的重復(fù)輸出本質(zhì)上也是這一類問題。解決辦法是在循環(huán)或遞歸的入口處先做越界和訪問狀態(tài)的檢查再進入具體邏輯也就是“先判斷再行動”的原則。排查這類問題我通常會在關(guān)鍵位置打印當前坐標和狀態(tài)值print(i, j, grid[i][j])一旦看到某個坐標重復(fù)出現(xiàn)說明標記邏輯或邊界收縮邏輯有問題。這一步放在代碼里很丑但調(diào)試時極其有效定位之后再刪掉就好。我調(diào)試網(wǎng)格 DFS 時還有一個土辦法畫一張小地圖把訪問過的格子一個個打勾遞歸跑完后看哪些格子沒被勾到控制在 3x3 的范圍里問題很快就能看出來。4.4 調(diào)試技巧學會打印整個矩陣矩陣題的輸出結(jié)果肉眼很容易判斷對錯因為你對二維結(jié)構(gòu)有直覺。調(diào)試的時候不要只看返回值要把中間狀態(tài)的矩陣打印出來。比如螺旋矩陣每走完一條邊就打印一次當前矩陣能清楚看到元素是否重復(fù)、邊界是否正確收縮。對一個 4x4 的矩陣手動走一遍也就 16 個數(shù)字打印出來一目了然。我還有一個經(jīng)驗用自定義的小規(guī)模測試數(shù)據(jù)比如 3x3、4x4、5x6非正方形的矩陣分別跑一遍。非正方形矩陣能暴露很多你在正方形矩陣里發(fā)現(xiàn)不了的問題尤其是螺旋、對角線這類跟行列不對稱有關(guān)的題目。正方形的特性會讓很多對稱性掩蓋 bug換成非正方形就立刻現(xiàn)出原形。下面是常見問題速查表刷題時可以直接對照現(xiàn)象可能原因排查方法輸出長度不等于 m*n螺旋循環(huán)少了邊界判斷檢查 topbottom、leftright 兩個判斷部分格子沒有置零標記位被后續(xù)操作覆蓋檢查標記掃描和統(tǒng)一置零是否分開DFS/遞歸棧溢出網(wǎng)格太大或沒有正確標記改用 BFS 或檢查訪問標記旋轉(zhuǎn)結(jié)果錯亂轉(zhuǎn)置下標寫錯用 3x3 矩陣手動推一遍回溯搜索找不到答案忘記恢復(fù)現(xiàn)場在遞歸返回前撤銷 visited 標記5. 從刷題到工程矩陣能力的延伸價值5.1 混淆矩陣與機器學習中的矩陣思維刷題矩陣專題練出來的坐標和狀態(tài)能力在工程里第一個用上的地方就是混淆矩陣。做分類模型評估時我們經(jīng)常要算 TP、FP、FN、TN用 sklearn 的 confusion_matrix 一行就能出來但理解了矩陣的坐標語義你才能快速解釋結(jié)果第 i 行第 j 列表示真實類別 i、預(yù)測類別 j 的樣本數(shù)。很多數(shù)據(jù)分析和調(diào)參場景都需要你手動定位矩陣中某個格子的含義這種能力在刷題時已經(jīng)不知不覺鍛煉出來了。比如你在調(diào)二分類閾值想找個最優(yōu) cutoff用混淆矩陣的二維視角看其實就是沿著矩陣對角線搬移樣本的分布。這種把問題抽象成矩陣坐標的思維方式和 LeetCode 里搜索二維矩陣時那種“沿著方向縮小范圍”的思路本質(zhì)上是一回事。我說矩陣題刷得好對數(shù)據(jù)科學有加分不是虛話。5.2 用 numpy 高效處理矩陣運算如果說 LeetCode 是在“養(yǎng)成手寫矩陣邏輯的直覺”那工程里真正干活的往往是 numpy。求矩陣逆、特征值分解、矩陣乘法這些操作numpy 都有現(xiàn)成的高性能實現(xiàn)import numpy as np A np.array([[1, 2], [3, 4]]) A_inv np.linalg.inv(A) eigenvalues, eigenvectors np.linalg.eig(A) B np.dot(A, A_inv) # 約等于單位矩陣寫這類代碼時腦子里保留矩陣的 shape 意識非常重要——轉(zhuǎn)置、廣播、按軸求和每一步都要清楚結(jié)果是什么形狀。很多數(shù)據(jù)科學的新手報 bug最后查出來都是 shape 對不上。這跟刷題時搞混 row 和 col 的道理一模一樣。所以刷矩陣專題練出來的形狀直覺放到工程里是實打?qū)嵉募臃猪?。你不需要?numpy 的 API但你要是能一眼看出兩個數(shù)組能不能直接相乘就知道 shape 匹配的規(guī)則是什么。5.3 矩陣思想在其他場景的體現(xiàn)矩陣思想最神奇的地方在于它無處不在。嵌入式里的矩陣鍵盤就是靠行線和列線的交叉來識別按鍵掃描邏輯本質(zhì)是一個小的“狀態(tài)矩陣”遍歷圖像處理里一張圖就是一個二維像素矩陣卷積操作就是滑塊在矩陣上移動甚至游戲開發(fā)里的地圖尋路也把地圖抽象成網(wǎng)格DFS/BFS 的模板直接就能用。矩陣鍵盤的場景我特別想多說一句按鍵識別中最怕“鬼鍵”問題當多個按鍵同時按下時行列掃描會產(chǎn)生誤判硬件上一般加二極管或者用掃描法來避免。這個問題的本質(zhì)就是在狀態(tài)矩陣里同時出現(xiàn)了多個激活點你要設(shè)計一種遍歷順序讓沖突盡可能少。這種工程直覺和你刷島嶼數(shù)量時遍歷網(wǎng)格、標記狀態(tài)的思路是同一個套路。所以說Hot100 矩陣專題刷的不只是幾道題而是一整套“二維世界里的思考方式”。結(jié)尾刷完 Hot100 里的矩陣專題我自己最大的變化是看到任何二維數(shù)組題目不再下意識覺得繁瑣而是先想清楚三個問題——坐標怎么走、狀態(tài)怎么記、能不能抽象成更簡單的結(jié)構(gòu)。這三個問題背后其實就是我在前面反復(fù)強調(diào)的坐標感知、狀態(tài)設(shè)計和模式抽象。矩陣題的代碼量普遍不大真正的難點永遠在動手寫之前的那幾十秒思考里。最后再分享一個小技巧我刷矩陣題時會準備一個固定的草稿本專門畫 3x3 和 4x4 的矩陣格子。每道題的思路先在格子圖上走一遍再轉(zhuǎn)到代碼。這個方法幫我少寫了很多調(diào)試時間也讓我對那些看似玄乎的下標變換有了真正的掌控感。如果你正卡在矩陣題上不妨試試這個方法。