来源：力扣（LeetCode）

描述：

给你两个二维整数数组 items1 和 items2 ，表示两个物品集合。每个数组 items 有以下特质：

• items[i] = [valuei, weighti] 其中 valuei 表示第 i 件物品的 价值 ，weighti 表示第 i 件物品的 重量 。
• items 中每件物品的价值都是 唯一的 。

请你返回一个二维数组 ret，其中 ret[i] = [valuei, weighti]， weighti 是所有价值为 valuei 物品的 重量之和 。

注意： ret 应该按价值 升序 排序后返回。

示例 1：

输入：items1 = [[1,1],[4,5],[3,8]], items2 = [[3,1],[1,5]]
输出：[[1,6],[3,9],[4,5]]
解释：
value = 1 的物品在 items1 中 weight = 1 ，在 items2 中 weight = 5 ，总重量为 1 + 5 = 6 。
value = 3 的物品再 items1 中 weight = 8 ，在 items2 中 weight = 1 ，总重量为 8 + 1 = 9 。
value = 4 的物品在 items1 中 weight = 5 ，总重量为 5 。
所以，我们返回 [[1,6],[3,9],[4,5]] 。

示例 2：

输入：items1 = [[1,1],[3,2],[2,3]], items2 = [[2,1],[3,2],[1,3]]
输出：[[1,4],[2,4],[3,4]]
解释：
value = 1 的物品在 items1 中 weight = 1 ，在 items2 中 weight = 3 ，总重量为 1 + 3 = 4 。
value = 2 的物品在 items1 中 weight = 3 ，在 items2 中 weight = 1 ，总重量为 3 + 1 = 4 。
value = 3 的物品在 items1 中 weight = 2 ，在 items2 中 weight = 2 ，总重量为 2 + 2 = 4 。
所以，我们返回 [[1,4],[2,4],[3,4]] 。

示例 3：

输入：items1 = [[1,3],[2,2]], items2 = [[7,1],[2,2],[1,4]]
输出：[[1,7],[2,4],[7,1]]
解释：
value = 1 的物品在 items1 中 weight = 3 ，在 items2 中 weight = 4 ，总重量为 3 + 4 = 7 。
value = 2 的物品在 items1 中 weight = 2 ，在 items2 中 weight = 2 ，总重量为 2 + 2 = 4 。
value = 7 的物品在 items2 中 weight = 1 ，总重量为 1 。
所以，我们返回 [[1,7],[2,4],[7,1]] 。

提示：

• 1 <= items1.length, items2.length <= 1000
• items1[i].length == items2[i].length == 2
• 1 <= valuei, weighti <= 1000
• items1 中每个 valuei 都是 唯一的 。
• items2 中每个 valuei 都是 唯一的

方法：哈希表

思路与算法

我们建立一个哈希表，其键值表示物品价值，其值为对应价值物品的重量之和。依次遍历 items₁ 和 items₂ 中的每一项物品，同时更新哈希表。最后，我们取出哈希表中的每一个键值对放入数组，对数组按照 value 值排序即可。

有些语言可以在维护键值对的同时，对键值对按照「键」进行排序，比如 C++ 中的 std::map，这样我们可以省略掉最后对数组的排序过程。

代码：

class Solution {
public:vector<vector<int>> mergeSimilarItems(vector<vector<int>>& items1, vector<vector<int>>& items2) {map<int, int> mp;for (auto &v : items1) {mp[v[0]] += v[1];}for (auto &v : items2) {mp[v[0]] += v[1];}vector<vector<int>> res;for (auto &[k, v] : mp) {res.push_back({k, v});}return res;}
};

执行用时：8 ms, 在所有 C++ 提交中击败了100.00%的用户
内存消耗：16.4 MB, 在所有 C++ 提交中击败了56.10%的用户
复杂度分析
时间复杂度：O((n+m)log(n+m))，其中 n 是 items₁ 的长度，m 是 items₂ 的长度。更新哈希表的时间复杂度为 O(n+m)，最后排序的时间复杂度为 (n+m)log(n+m)，所以总的时间复杂度为 (n+m)log(n+m)。如果使用有序容器（例如 C++ 中的 std::map），其插入和查询的时间复杂度为 O(log(n+m))，故总体时间复杂度仍然是 O((n+m)log(n+m))。
空间复杂度：O(n+m)。哈希表所使用的空间为 O(n+m)。如果使用有序容器（例如 C++ 中的 std::map），其内部实现为红黑树，空间复杂度为 O(n+m)。
author：LeetCode-Solution