프로그래머스 [행렬 테두리 회전하기]

📌 프로그래머스 [행렬 테두리 회전하기]

🔗 문제 링크

---

문제 설명 📄

rows × columns 크기의 행렬이 주어지며, 일부 영역의 테두리를 시계방향으로 회전시키는 연산을 수행해야 한다.
각 회전 후, 회전된 값들 중 최솟값을 반환하는 문제.

---

문제 접근 방식 💡

• 2차원 배열을 생성하여 초기 행렬을 구성.
• 주어진 queries를 순회하며 해당 범위의 테두리를 회전.
• 회전 과정:
  • 상, 우, 하, 좌 순서로 테두리를 이동.
  • 이동 중 만난 숫자들의 최솟값을 추출.
• 최솟값을 answer 리스트에 추가 후 반환.

---

Solution 💻

def solution(rows, columns, queries):
    answer = []
    arr = [[i + (columns * j) for i in range(1, columns + 1)] for j in range(rows)]

    def circle(x, y, px, py, arr):
        dx, dy = x, y
        temp = arr[x][y]
        result = [temp]

        while dy < py:
            dy += 1
            arr[dx][dy], temp = temp, arr[dx][dy]
            result.append(temp)
        while dx < px:
            dx += 1
            arr[dx][dy], temp = temp, arr[dx][dy]
            result.append(temp)
        while dy > y:
            dy -= 1
            arr[dx][dy], temp = temp, arr[dx][dy]
            result.append(temp)
        while dx > x:
            dx -= 1
            arr[dx][dy], temp = temp, arr[dx][dy]
            result.append(temp)

        return min(result)

    for querie in queries:
        answer.append(circle(querie[0] - 1, querie[1] - 1, querie[2] - 1, querie[3] - 1, arr))

    return answer

---

시간 복잡도 분석 ⏲️

• 시간 복잡도: O(q * (r + c))
  • q는 queries 개수, r과 c는 회전 영역의 크기.
  • 각 회전 연산에서 O(r + c) 연산 수행.

공간 복잡도 분석 🗄️

• 공간 복잡도: O(rows × columns)
  • 행렬 저장을 위한 배열 사용.

---

리팩토링 🛠️

def solution(rows, columns, queries):
    arr = [[i + (columns * j) for i in range(1, columns + 1)] for j in range(rows)]
    answer = []

    for x1, y1, x2, y2 in queries:
        x1, y1, x2, y2 = x1 - 1, y1 - 1, x2 - 1, y2 - 1
        temp = arr[x1][y1]
        min_val = temp

        for i in range(x1, x2):
            arr[i][y1] = arr[i + 1][y1]
            min_val = min(min_val, arr[i][y1])

        for i in range(y1, y2):
            arr[x2][i] = arr[x2][i + 1]
            min_val = min(min_val, arr[x2][i])

        for i in range(x2, x1, -1):
            arr[i][y2] = arr[i - 1][y2]
            min_val = min(min_val, arr[i][y2])

        for i in range(y2, y1, -1):
            arr[x1][i] = arr[x1][i - 1]
            min_val = min(min_val, arr[x1][i])

        arr[x1][y1 + 1] = temp
        answer.append(min_val)

    return answer

---

시간 복잡도 분석 ⏲️

• 시간 복잡도: O(q * (r + c))
  • q는 queries 개수, r과 c는 회전 영역 크기.
  • 개선된 코드도 동일한 시간 복잡도를 유지.

공간 복잡도 분석 🗄️

• 공간 복잡도: O(rows × columns)
  • 추가적인 배열 사용 없이 기존 행렬을 변형.

✅ 리팩토링된 코드의 개선점

• 코드 간결화: circle 함수를 제거하고 직접 처리.
• 직관적인 회전 과정: 방향별로 처리하여 가독성 향상.
• 최솟값 계산 최적화: min()을 반복 호출하는 대신 루프 내에서 비교.

---