目录
一、题目内容
二、解题思路
三、代码
一、题目内容
在二维平面上,有一个机器人从原点 (0, 0) 开始。给出它的移动顺序,判断这个机器人在完成移动后是否在 (0, 0) 处结束。
移动顺序由字符串表示。字符 move 表示其第 i 次移动。机器人的有效动作有 R(右),L(左),U(上)和 D(下)。如果机器人在完成所有动作后返回原点,则返回 true。否则,返回 false。
注意:机器人“面朝”的方向无关紧要。 “R” 将始终使机器人向右移动一次,“L” 将始终向左移动等。此外,假设每次移动机器人的移动幅度相同。
示例 1:
输入: \”UD\”
输出: true
解释:机器人向上移动一次,然后向下移动一次。所有动作都具有相同的幅度,因此它最终回到它开始的原点。因此,我们返回 true。
示例 2:
输入: \”LL\”
输出: false
解释:机器人向左移动两次。它最终位于原点的左侧,距原点有两次 “移动” 的距离。我们返回 false,因为它在移动结束时没有返回原点。
二、解题思路
字典存上下左右个数,比较上下和左右的个数是否都分别相等
三、代码
[code]class Solution:def judgeCircle(self, moves: str) -> bool:move_count_dict = {}move_count_dict[\'U\'] = 0move_count_dict[\'D\'] = 0move_count_dict[\'L\'] = 0move_count_dict[\'R\'] = 0for move in moves:move_count_dict[move] += 1return move_count_dict[\'U\'] == move_count_dict[\'D\'] and \\move_count_dict[\'L\'] == move_count_dict[\'R\']if __name__ == \'__main__\':test = \"UDLLRDUR\"s = Solution()ans = s.judgeCircle(test)print(ans)
悲恋花丶无心之人CSDN认证博客专家[i]TensorFlow深度学习神经网络计算机视觉在读研究生,熟悉Pytorch,MXNet,TensorFlow,Keras等深度学习框架,主要涉及的领域有目标检测,语义分割,超分辨率重建,行人重识别等。