LeetCode题目41:缺失的第一个正数

作者介绍：10年大厂数据\经营分析经验，现任大厂数据部门负责人。
会一些的技术：数据分析、算法、SQL、大数据相关、python
欢迎加入社区：码上找工作
作者专栏每日更新：
LeetCode解锁1000题: 打怪升级之旅
python数据分析可视化：企业实战案例
备注说明：方便大家阅读，统一使用python，带必要注释，公众号 数据分析螺丝钉 一起打怪升级

LeetCode题目41“缺失的第一个正数”要求在未排序的整数数组中找出最小的未出现的正整数。本文将详细介绍三种解决这一问题的方法，包括解题思路、详细的代码实现以及算法分析。

题目描述

输入：一个未排序的整数数组 nums。

输出：未在数组中出现的最小正整数。

示例：

输入: [1,2,0]
输出: 3

输入: [3,4,-1,1]
输出: 2

输入: [7,8,9,11,12]
输出: 1

方法一：索引作为哈希键

解题步骤

1. 处理负数和零：由于我们只关心正数，可以先将所有非正整数替换为一个大于数组长度的值（例如 n+1，其中 n 是数组长度）。
2. 利用索引标记：遍历数组，使用数组索引作为哈希键来标记存在的数字。具体操作是，对于每个数字 x，如果 1 <= x <= n，则将索引 x-1 的位置的数字设置为负数。
3. 寻找结果：再次遍历数组，第一个索引位置 i 使得 nums[i] > 0 的 i + 1 就是缺失的最小正数。

代码示例

def firstMissingPositive(nums):
    n = len(nums)
    # 将所有的负数和零替换为n+1，n+1是一个不可能出现在合法输出中的数字
    for i in range(n):
        if nums[i] <= 0:
            nums[i] = n + 1
            
    # 使用数组索引作为哈希键，通过置负标记存在的数字
    for i in range(n):
        num = abs(nums[i])
        if num <= n:
            nums[num - 1] = -abs(nums[num - 1])
    
    # 寻找第一个大于0的索引位置，即是缺失的最小正数
    for i in range(n):
        if nums[i]> 0:
            return i + 1

    # 如果数组中包含了1到n的所有数字，则缺失的第一个正数是n+1
    return n + 1

# 示例调用
print(firstMissingPositive([1, 2, 0]))  # 输出: 3
print(firstMissingPositive([3, 4, -1, 1]))  # 输出: 2
print(firstMissingPositive([7, 8, 9, 11, 12]))  # 输出: 1

算法分析

• 时间复杂度：O(N)，其中 N 是数组长度。算法涉及几个线性扫描，每个扫描的时间复杂度都是O(N)。
• 空间复杂度：O(1)。除了输入数组外，没有使用额外的空间，所有操作均在原数组上进行。

方法二：排序后线性扫描

解题步骤

1. 排序数组：首先对数组进行排序。
2. 线性扫描：遍历排序后的数组，查找第一个缺失的最小正数。

代码示例

def firstMissingPositive(nums):
    nums.sort()
    target = 1
    for num in nums:
        if num == target:
            target += 1
    return target

# 示例调用
print(firstMissingPositive([1, 2, 0]))  # 输出: 3
print(firstMissingPositive([3, 4, -1, 1]))  # 输出: 2
print(firstMissingPositive([7, 8, 9, 11, 12]))  # 输出: 1

算法分析

• 时间复杂度：O(N log N)，主要时间开销来源于排序。
• 空间复杂度：O(1) 或 O(N)，这取决于使用的排序算法。

方法三：使用哈希表

解题步骤

1. 使用哈希表存储：将所有正数存储在哈希表中。
2. 寻找最小正数：从 1 开始递增寻找不在哈希表中的最小正数。

代码示例

def firstMissingPositive(nums):
    num_set = set(nums)
    target = 1
    while target in num_set:
        target += 1
    return target

# 示例调用
print(firstMissingPositive([1, 2, 0]))  # 输出: 3
print(firstMissingPositive([3, 4, -1, 1]))  # 输出: 2
print(firstMissingPositive([7, 8, 9, 11, 12]))  # 输出: 1

算法分析

• 时间复杂度：O(N)，虽然使用了哈希表，但构建哈希表和查询的总时间仍是线性的。
• 空间复杂度：O(N)，需要额外的空间来存储哈希表。

总结

为了直观地比较解决LeetCode题目41 "缺失的第一个正数"的三种方法，下面的表格将展示它们在不同技术维度的性能和特点，包括时间复杂度、空间复杂度以及各自的优势和劣势。

特征	方法一：索引作为哈希键	方法二：排序后线性扫描	方法三：使用哈希表
时间复杂度	O(N)	O(N log N)	O(N)
空间复杂度	O(1)	O(1) 或 O(N)	O(N)
优势	- 不使用额外空间 - 快速且高效 - 直接在原数组上操作，不需要额外的数据结构	- 实现简单 - 直观易理解 - 适用于不限制时间复杂度的场景	- 实现简单 - 查找速度快 - 直接使用Python内置数据结构
劣势	- 算法理解相对复杂 - 需要修改原数组作为标记	- 时间复杂度较高，尤其是在数据量大时 - 空间复杂度依赖于排序算法	- 空间开销大 - 需要额外空间存储所有正数
适用场景	- 数据量大且对空间有严格限制时 - 需要在原地解决问题时	- 数据预处理和排序成本低时 - 对算法执行时间要求不严格时	- 空间充足时 - 需要快速实现和简洁代码时