算法刷题自记录 | Leetcode704. 二分查找，35. 搜索插入位置，34. 在排序数组中查找元素的第一个和最后一个位置（二分查找题型总结）

基于这几天刷的题中遇到的比较经典的二分查找题进行汇总，目前总结出了两类二分查找的题型以方便以后回顾，后续碰到的会继续更新：

        1. Leetcode 704 & 35：整数数组nums有序、元素无重复，target不一定存在于数组中；

        2. Leetcode 34：整数数组nums有序、元素有重复，target不一定存在于数组中。

---

第一类（元素无重复）

Leetcode 704. 二分查找

题目描述：给定一个 n 个元素有序的（升序）整型数组 nums 和一个目标值 target ，写一个函数搜索 nums 中的 target，如果目标值存在返回下标，否则返回 -1。

提示：

1. 你可以假设 nums 中的所有元素是不重复的。
2. n 将在 [1, 10000]之间。
3. nums 的每个元素都将在 [-9999, 9999]之间。

Leetcode 35. 搜索插入位置

题目描述：给定一个排序数组和一个目标值，在数组中找到目标值，并返回其索引。如果目标值不存在于数组中，返回它将会被按顺序插入的位置。

请必须使用时间复杂度为 O(log n) 的算法。

示例 1:

输入: nums = [1,3,5,6], target = 5
输出: 2

示例 2:

输入: nums = [1,3,5,6], target = 2
输出: 1

示例 3:

输入: nums = [1,3,5,6], target = 0
输出: 0

提示:

1 <= nums.length <= 104
-104 <= nums[i] <= 104
nums 为无重复元素的升序排列数组
-104 <= target <= 104

思路

  这两题都是二分查找经典思路，差别只是当target不存在于数组中时，一个直接返回-1，另一个则需要返回左指针，所以不多说直接上代码。

Python3代码

• 时间复杂度：。其中是数组的长度。

• 空间复杂度：。

"""
Leetcode 704. 二分查找
"""
class Solution:
    def search(self, nums: List[int], target: int) -> int:
        l = 0
        r = len(nums) - 1
        while l <= r:
            middle = l + (r - l) // 2
            if target < nums[middle]:
                r = middle - 1
            elif target > nums[middle]:
                l = middle + 1
            else:
                return middle
        return -1

• 时间复杂度：。其中是数组的长度。

• 空间复杂度：。

"""
Leetcode 35. 搜索插入位置
"""
class Solution(object):
    def searchInsert(self, nums, target):
        """
        :type nums: List[int]
        :type target: int
        :rtype: int
        """
        l = 0
        r = len(nums) - 1
        while l <= r:
            middle = l + (r - l) // 2
            if target == nums[middle]:
                return middle
            elif target < nums[middle]:
                r = middle - 1
            else:
                l = middle + 1
        return l

 

第二类（元素有重复）

Leetcode 34. 在排序数组中查找元素的第一个和最后一个位置

题目描述：给定一个按照升序排列的整数数组 nums，和一个目标值 target。找出给定目标值在数组中的开始位置和结束位置。

如果数组中不存在目标值 target，返回 [-1, -1]。

进阶：

你可以设计并实现时间复杂度为 O(log n) 的算法解决此问题吗？
 

示例 1：

输入：nums = [5,7,7,8,8,10], target = 8
输出：[3,4]
示例 2：

输入：nums = [5,7,7,8,8,10], target = 6
输出：[-1,-1]
示例 3：

输入：nums = [], target = 0
输出：[-1,-1]
 

提示：

0 <= nums.length <= 105
-109 <= nums[i] <= 109
nums 是一个非递减数组
-109 <= target <= 109

思路

  其实主要是想记录一下这道题... 因为数组中的元素有重复，就意味着二分查找后返回的元素下标是不唯一的。但因为数组是有序的，所以即便下标不唯一，也能保证下标是连续的，即存在区间，所以本题的实际上是寻找在中的左右边界问题。

  参考实例，本题共有3种情况：

        1. 在的范围中，且中存在，则返回具体区间；

        2.  在的范围中，但中不存在 ，则返回[-1, -1]；

        3.  不在的范围中，返回[-1, -1]。

  本题需要用两次二分查找，一次查找左边界，一次查找右边界。

  其中查找边界的精髓是：在经典的二分查找中，当 nums[middle] == target 时，直接返回 middle，而在本题中，查找左边界时，当 nums[middle] == target，需要继续向左查找，看 nums[middle] 左边是否还有与 target 相等的元素。所以此时，应该继续 right = middle - 1，而不是返回 middle。

  同理，在查找右边界时，当 nums[middle] == target 时，应该继续向右查找，确认右边是否还有与 target 相等的元素，所以需要 left = middle + 1。

Python3代码

• 时间复杂度： 。其中为数组的长度。
• 空间复杂度：。只需要常数空间存放若干变量。

class Solution:
    def searchRange(self, nums: List[int], target: int) -> List[int]:
        if not nums or nums[0] > target or nums[-1] < target:    # 第三种情况
            return [-1, -1]

        lborder = rborder = -2

        # 更新左边界
        l, r = 0, len(nums) - 1
        while l <= r:
            middle = l + (r - l) // 2
            if nums[middle] >= target:  # nums[middle] == target时，一直往左找，看是否还有等于target的元素
                r = middle - 1
            else:                       
                l = middle + 1
        if nums[l] == target:
            lborder = l
        else:                           # if lborder != target，即第二种情况
            lborder = -1

        # 更新右边界
        l, r = 0, len(nums) - 1
        while l <= r:
            middle = l + (r - l) // 2
            if nums[middle] > target:
                r = middle - 1
            else:                       # nums[middle] == target时，一直往右找，看是否还有等于target的元素
                l = middle + 1
        if nums[r] == target:
            rborder = r
        else:
            rborder = -1

        return [lborder, rborder]