昨天晚上7点多，部门主管突然微信跟我说，有一笔1500元的团队激励奖，人事文员已经直接填了我的银行卡号

昨天晚上7点多，我接到了部门主管的微信，告诉我有一笔1500元的团队激励奖需要发放。

主管说人事文员已经把我的银行卡号填上了，并会将这笔奖金和我的工资一起发到我的卡上。主管的要求是，收到这笔款项后，我要把钱转给人事文员，由她再分配给部门其他同事。

这笔奖金是团队的激励，但为何由我来转账给其他人？这是否是一个正常的流程，或者是否存在一些问题。

虽然告诉我奖金的发放方式可能没问题，但确保整个过程的透明和公平依然非常重要。

算法题：最佳的碰头地点

一开始很多人会把这题写成“枚举每个空地，算所有人走过去的总距离”。代码不难，提交也不一定马上超时，但这思路我第一眼就不太信。网格一大，m * n 个位置都试一遍，再把所有人的坐标重新扫一轮，味道就不对了。

这题叫“最佳的碰头地点”，本质不是找一个格子，而是找一个让曼哈顿距离和最小的位置。公式长这样：

abs(x1 - x) + abs(y1 - y)

看到这个式子，先别急着碰二维。老写线上问题的人都知道，二维拆一维，往往就顺了。

因为总距离其实可以拆开：

sum(abs(xi - x)) + sum(abs(yi - y))

也就是说，横坐标和纵坐标可以分别处理。那问题就变成了：

• 一堆横坐标，选哪个点，距离和最小？
• 一堆纵坐标，选哪个点，距离和最小？

这地方经验值就出来了：一维上让绝对值距离和最小的点，是中位数。

不是平均数。很多人下意识会想到平均数，但平均数更适合平方距离，绝对值距离不是这一套。比如点在 1, 2, 100，平均数是 34，显然很离谱；中位数是 2，才对。

所以这题其实没那么玄：

1. 扫一遍网格，把所有人的行号收集出来。
2. 再把所有人的列号收集出来。
3. 行坐标取中位数，列坐标取中位数。
4. 分别累加距离。

代码我自己一般会写成这样，不花哨，但够稳：

from typing import List

classSolution:
defminTotalDistance(self, grid: List[List[int]]) -> int:
        rows = []
        cols = []

        m, n = len(grid), len(grid[0])

for i in range(m):
for j in range(n):
if grid[i][j] == 1:
                    rows.append(i)

for j in range(n):
for i in range(m):
if grid[i][j] == 1:
                    cols.append(j)

        row_mid = rows[len(rows) // 2]
        col_mid = cols[len(cols) // 2]

        ans = 0
for r in rows:
            ans += abs(r - row_mid)
for c in cols:
            ans += abs(c - col_mid)

return ans

这里有个小细节，rows 不需要排序，因为按行扫描天然有序；cols 我是按列扫描，也天然有序。这样连 sort() 都省了。

比如这组数据：

grid = [
    [1, 0, 0, 0, 1],
    [0, 0, 0, 0, 0],
    [0, 0, 1, 0, 0]
]

人的位置是 (0,0)、(0,4)、(2,2)。

• 行坐标是 [0, 0, 2]，中位数是 0
• 列坐标是 [0, 2, 4]，中位数是 2

碰头点取 (0,2)，总距离就是：

abs(0-0)+abs(0-2) +
abs(0-0)+abs(4-2) +
abs(2-0)+abs(2-2) = 6

这题真正值钱的地方，不是把代码写出来，而是能不能看出来：二维曼哈顿距离，拆成两个一维中位数问题。

很多算法题表面是网格，实际考的是你会不会降维。你要是一直盯着每个格子去试，最后就很容易写成一个能跑、但不漂亮的暴力解。

这题收住就一句：别在二维里死扛，中位数一出来，题就差不多结束了。