力扣229题详解：求众数 II 的多种解法与模拟面试问答

数据分析螺丝钉

于 2024-08-26 21:00:02 发布

阅读量399

点赞数 4

分类专栏： LeetCode刷题与模拟面试文章标签： leetcode 面试算法经验分享 python

本文链接：https://blog.csdn.net/CCIEHL/article/details/141557167

版权

LeetCode刷题与模拟面试专栏收录该内容

224 篇文章 73 订阅

订阅专栏

在本篇文章中，我们将详细解读力扣第229题“求众数 II”。通过学习本篇文章，读者将掌握如何识别数组中出现次数超过 n/3 的元素，并了解相关的复杂度分析和模拟面试问答。每种方法都将配以详细的解释，以便于理解。

问题描述

力扣第229题“求众数 II”描述如下：

给定一个大小为 n 的数组，找出其中所有出现次数超过 n/3 的元素。

示例:
输入: [3,2,3]
输出: [3]
示例:
输入: [1]
输出: [1]
示例:
输入: [1,2]
输出: [1,2]

解题思路

方法一：哈希表统计法

初步分析：
- 使用哈希表统计每个元素的出现次数，然后筛选出出现次数超过 n/3 的元素。
步骤：
- 遍历数组，将每个元素的出现次数记录在哈希表中。
- 遍历哈希表，将出现次数超过 n/3 的元素加入结果列表。

代码实现

def majorityElement(nums):
    count_map = {}
    result = []
    n = len(nums)
    
    for num in nums:
        count_map[num] = count_map.get(num, 0) + 1
    
    for num, count in count_map.items():
        if count > n // 3:
            result.append(num)
    
    return result

# 测试案例
print(majorityElement([3,2,3]))  # 输出: [3]
print(majorityElement([1]))  # 输出: [1]
print(majorityElement([1,2]))  # 输出: [1,2]

方法二：摩尔投票法（Boyer-Moore Voting Algorithm）

初步分析：
- 摩尔投票法可以有效地找到超过 n/2 的众数，但在本题中，我们需要扩展该方法来找到超过 n/3 的众数。
- 由于最多只能有两个元素的出现次数超过 n/3，因此我们可以使用两个候选者，并记录它们的计数。
步骤：
- 初始化两个候选者 candidate1 和 candidate2 及其对应的计数 count1 和 count2。
- 第一次遍历数组，使用摩尔投票法找出两个候选者。
- 第二次遍历数组，验证这两个候选者的出现次数是否确实超过 n/3。

代码实现

def majorityElement(nums):
    if not nums:
        return []
    
    candidate1, candidate2, count1, count2 = None, None, 0, 0
    
    # 第一遍遍历：找到两个候选者
    for num in nums:
        if candidate1 == num:
            count1 += 1
        elif candidate2 == num:
            count2 += 1
        elif count1 == 0:
            candidate1, count1 = num, 1
        elif count2 == 0:
            candidate2, count2 = num, 1
        else:
            count1 -= 1
            count2 -= 1
    
    # 第二遍遍历：验证这两个候选者
    result = []
    n = len(nums)
    if nums.count(candidate1) > n // 3:
        result.append(candidate1)
    if candidate2 is not None and nums.count(candidate2) > n // 3:
        result.append(candidate2)
    
    return result

# 测试案例
print(majorityElement([3,2,3]))  # 输出: [3]
print(majorityElement([1]))  # 输出: [1]
print(majorityElement([1,2]))  # 输出: [1,2]

复杂度分析

时间复杂度：
- 哈希表统计法：O(n)，需要两次遍历数组，一次统计元素出现次数，一次筛选结果。
- 摩尔投票法：O(n)，需要两次遍历数组，第一次寻找候选者，第二次验证候选者。
空间复杂度：
- 哈希表统计法：O(n)，哈希表需要额外的空间存储每个元素及其出现次数。
- 摩尔投票法：O(1)，只使用了常数空间来存储候选者和计数器。