你会玩数独么?-技术圈

周六去公园晃了一圈，来了顿有仪式感的野餐下午茶。周日宅在家里，实在无聊的很，睡个懒觉，半天就打发过去了。看看冲天在哪里啊的电视剧，转眼到了晚上。鉴于仙女实在无聊的很，于是我主动挑事，要和仙女一起做数独。
“哎呀，做数独一点都不锻炼脑子的，实在是无聊的很”，仙女名言。作为一个纯粹的工科生，我是一点都不信的，数独还是很考验综合能力的，眼睛要扫描的快，排除要迅速，验证可能性要准确。遇到不确定的地方还要做假设。
前几场的战绩，很惨淡，每次都是以我惜败告终。（其实不是惜败，是大败，被仙女甩几条街了）。今天我又不服，想靠运气战胜仙女。话不多说，上题。

一场没有硝烟的战争一触即发。刷刷刷一顿操作，前几个填数还算顺利，然后中间就卡住了。过了几分钟，仙女说她做完了，而我才完成了三分之一。不服输的我不愿意承认这个事实，于是我装模作样继续做下去了，希望我能很快填完，这样不至于输的太惨。恰逢饭点，一边吃饭，一边想这个数独题，思绪断断续续。吃完饭一下子来灵感了，很快做完。看来还是吃饱了干活利索。
距离困觉时间还早，我不服气向仙女发出第二次挑战。这次是在电脑上做题目，我一下子就来劲了，脑子放光。因为电脑上excel，多建几个sheet，每个框多填几个可选数字还是非常方便的。于是网上找了个题目，新一轮battle开始。

时间一下子穿越到40分钟之后，除了极少数确定的，我一点进展都没有，已经新建了好几个excel里面的sheet，还没遇到一个碰壁回头尝试失败的，也没有哪种情况顺利做到最后。而此时，仙女在她众多的猜测里，终于找到了一个答案。顿时感觉智商被碾压。接下来放一下我和仙女的思路对比。

先把能确定的数字体填好，再把所有空里可能的数字填出来，然后挑可能性较少的格子，开始尝试。

一顿分叉，从total总的数据，到total11111,total11112,还在继续分叉。仙女的思路差不多，不过她的执行效率更高，对excel的熟练度也相当高。仙女解题过程如下：先列出总的数据，这步骤和我一样。

接着就各种分叉，是的，你没有看错。这么优雅简洁清晰的分类标记出自仙女之手，我一码农自愧不如。

数独做不过仙女，那我肯定不能自己吃这个闷亏。没关系，我还可以写代码！利用python来解数独。下面进入具体介绍。
第一个要考虑的问题是，怎样表示数独。这里使用一个嵌套的list。空的地方填0，其他地方把题目中的数据填进来。

board = [    [0,0,0,8,0,0,0,0,0],    [0,3,0,0,9,2,0,0,1],    [0,9,0,0,0,0,0,0,0],    [7,0,0,0,0,0,8,0,0],    [0,0,5,7,0,0,9,0,0],    [2,0,0,0,0,0,0,0,0],    [0,0,3,5,2,0,1,0,0],    [0,5,0,0,0,0,4,0,2],    [0,0,6,0,0,4,0,0,0],    ]

参考了网上一些写好的数独程序，发现基本没有做原始数据检查的，看来很信得过出题的人。鉴于题目录入的时候，有输错的可能性，所以在正式解数独之前，先检查一下板子的数据是否正常。板子的检查，包括每一行，每一列，还有每个九宫格。这里的检查方法，使用Counter把每一行列九宫格中的数据检查一下数量。空着的数据用0表示，所以0会有多个，其他数据应该只有1个或者是没有。

def check_repeat(self,data):    #检查输入的9个数是否有重复    c = dict(Counter(data))    # print(c)    for key, v in c.items():        if key == 0:            pass        else:            if v != 1:                # print('有重复数据')                return False    return True
def check_row(self):    #检查所有行是否有重复数据    for row in range(0,9):        result = self.check_repeat(self.b[row])        if result == False:            return result    return True
def check_column(self):    #检查所有列是否有重复数据    list = np.array(self.b)    for column in range(0, 9):        result = self.check_repeat(list.T[column])        if result == False:            return result    return True
def check_square(self):    #检查所有九宫格是否有重复数据    square = []    for i in range(0,9):        row, col = int(i / 3) * 3, int(i % 3) * 3        square.append(self.b[row][col:col+3]+self.b[row+1][col:col+3]+self.b[row+2][col:col+3])        # print(square[i])        result = self.check_repeat(square[i])        if result == False:            return result    return True
def check_board(self):    #检查输入的数独是否有输入错误    result = self.check_row() and self.check_column() and self.check_square()    return result

在这顿没啥用的操作之后，可以正式开始解题了。我相信大多数小伙伴都会想到穷举法，没错这是个万能的方法，我就一个一个去试呗。但是这样做很蠢，效率也不高。

可以使用递归算法加上剪枝。（在算法面前，我个弱鸡不值一提) 递归的思想很重要，如果不理解递归的思想，是很难把代码写好的。在这里我们以青蛙跳为例子：一只青蛙一次可以跳1个台阶或者2个台阶，现有一个10级高的台阶，青蛙跳上去一共有多少种方案？这是个很典型的递归，思考方法可以逆推。最后青蛙是跳完了这10个台阶，那么最后一步要么是跳了1步，要么是跳了2步。所以总的方法就等于最后一步跳1与跳2的方案之和，这样一直一直往前推，就能推到初始没有跳的状态。

递归的核心，有明确的初始状态值，每一步计算的表达式清晰，每一步计算前后有关联性。以斐波拉契为例，f(1)=1,f(2)=1,f(3)=2... 可以看到f(3) = f(2)+f(1)。本题求解数独问题，最后一个步骤肯定是填写最后一个空格上的数据，如果填对了，那么数独计算结束。如果找不到合适的值，那么就往上回归，上一个步骤是错的，得换个值来计算。理论不多说，直接上代码。

def cal_count(self,x,y):    count = 9    value = [1,2,3,4,5,6,7,8,9]    row = self.b[x]   #一行数据    column = list(np.array(self.b).T[y])   #一列数据    x, y = int(x / 3) * 3, int(y / 3) * 3    square = self.b[x][y:y + 3] + self.b[x + 1][y:y + 3] + self.b[x + 2][y:y + 3]    data = list(set(row+column+square))    data.remove(0)    count = count-len(data)    for i in range(len(data)):        value.remove(data[i])    return count,value
def cal_count_all(self):    count = []    value = []    # index = 0    for i in range(0, 9):        for j in range(0, 9):    #遍历整个数独，每个位置检查横向纵向九宫格            # index = index+1            if self.b[i][j] != 0:                value.append(self.b[i][j])                count.append(10)    #题目中填好的数字            else:                tmp_count,temp_value = self.cal_count(i,j)                # 增加一个打断，如果检测到一个格子里只有1种或者2种解法，后面的就不用计算了                # if (tmp_count == 1):                #     print(tmp_count, index, temp_value)                #     return tmp_count, index, temp_value                count.append(tmp_count)                value.append(temp_value)    #遍历完之后，每个格子都有3种或者以上的填法    # print(count)    min = np.min(count)    index = int(np.argmin(count))    # print(min,index)    return min,index,value[index]
def try_it(self,min,index,value):#主循环    self.t += 1    if min == 10:        print('数独破解完成，一种可能的结果如下:')        for i in self.b:            print(i)        # print(self.b)        return True  # 返回True    else:        x, y = int(index / 9), int(index % 9)        for i in value:    #从筛选过后的值填入            self.b[x][y]=i    #将符合条件的填入0格            next_min,next_index,next_value= self.cal_count_all() #找出下一个可填数字最少的格子            end=self.try_it(next_min,next_index,next_value)            if not end:   #在递归过程中存在不符合条件的，即 使try_it函数返回False的项                self.b[x][y] = 0    #回朔到上一层继续            #不添加以下两句的话，数组得出一个方案之后不会结束，会继续测试value里面的其他值，可以用于求解多解法的数独，加上之后，只会打印一种方案            else:                return True        return False    #屏幕上填满数字，最后一次try还是失败了，返回false

根据人做数独的思路，先找到每个格子上可以填的数字的个数和具体内容是什么。然后挑选可填数字数量最小的开始尝试。见cal_count和cal_count_all（如果数字是1，说明只有1种选择，那么这个数字填写起来就很快。如果有2种数字可以填，那么就需要填好一个继续往下面试试。出题自带的原始数据，使用10来表示）try_it函数需要结合刚才说的递归的思想好好理解一下。最后运行程序，biu~ 780ms，出来了15种数独解决方案，可见这一题是多解。如果只要做出一种方案，运行时间为80ms。运行速度，还算凑合，使用c，c++来解题，速度可以再高一档次。众所周知，c的运行效率是python的10倍。（我瞎说的），但是编程时间却是python的10倍不止。

算法工程师的作用是将平时遇到的问题，使用算法找到更好的计算解决方案，然后借由程序员之手写代码实现，算法是很核心重要的一部分。
虽然没使用上高级的算法，好多判断方法不是最高效，有重复检查计算的部分，没有及时砍枝再继续计算。但总的来说，ms级就可以把问题解决，相比于两个憨憨写个40分钟还不一定写的出来答案来说，已经很不错了。完整代码点击阅读原文，进入git。好了，以后做数独，仙女再也不是我的对手，接下来该PK什么新技能呢？

玩游戏你还在自己动手玩？
VIP视频只能试看6分钟？
快递单号导出再也不费事

最美的不是下雨天
今天你网易云了么？
今天你下厨房了么？