题目内容
给定一个整数数组,你需要寻找一个连续的子数组,如果对这个子数组进行升序排序,那么整个数组都会变为升序排序。
你找到的子数组应是最短的,请输出它的长度。
示例 1:
输入: [2, 6, 4, 8, 10, 9, 15]
输出: 5
解释: 你只需要对 [6, 4, 8, 10, 9] 进行升序排序,那么整个表都会变为升序排序。
说明:
-
输入的数组长度范围在 [1, 10,000]。
-
输入的数组可能包含重复元素 ,所以升序的意思是<=。
来源:力扣(LeetCode)
链接:https://leetcode-cn.com/problems/shortest-unsorted-continuous-subarray
解法效率
解法 | 时间复杂度 | 空间复杂度 | 执行用时 |
---|---|---|---|
Ans 1 (Python) | O ( N 2 ) O(N^2) O(N2) | O ( N ) O(N) O(N) | 超出时间限制 |
Ans 2 (Python) | O ( N 2 ) O(N^2) O(N2) | O ( N ) O(N) O(N) | 超出时间限制 |
Ans 3 (Python) | O ( N 2 ) O(N^2) O(N2) | O ( 1 ) O(1) O(1) | 超出时间限制 |
Ans 4 (Python) | O ( N l o g N ) O(NlogN) O(NlogN) | O ( N ) O(N) O(N) | 268ms (61.40%) |
Ans 5 (Python) | O ( N l o g N ) O(NlogN) O(NlogN) | O ( N ) O(N) O(N) | 232ms (98.99%) |
LeetCode的Python执行用时随缘,只要时间复杂度没有明显差异,执行用时一般都在同一个量级,仅作参考意义。
解法一(暴力的栈实现):
【思路】
使用栈存储当前遍历的数组,如果发现新的数(n)比栈顶元素小,记录栈顶的坐标作为排序数组的结束坐标(reverse_max_idx);从栈中不断取出元素,直到取出的元素比该数(n)大或达到栈底,此时的坐标即为排序数组的起始坐标(reverse_min_idx);再将取出的元素升序放回栈中(可用另一个栈实现)。
排序数组的起始坐标一旦被确定,就不再更改;而排序数组的结束坐标,则不断更新。最终的结果即为排序树组的结束坐标减去起始坐标。
这种方法一直在维护一个升序的栈,但如果整个数组是一个倒序的数组,则会有巨大的时间复杂度。
def findUnsortedSubarray(self, nums: List[int]) -> int:
stack = []
reverse_min_idx = None
reverse_max_idx = None
for i in range(len(nums)):
n = nums[i]
if len(stack) == 0 or n >= stack[-1]:
stack.append(n)
else:
reverse_end_idx = i
reverse_start_idx = i
# 使用临时栈到倒序部分升序
temp_stack = []
while len(stack) > 0 and n < stack[-1]:
reverse_start_idx -= 1
temp_stack.append(stack.pop(-1))
temp_stack.append(n)
while temp_stack:
stack.append(temp_stack.pop(-1))
# 更新升序数组起始坐标和升序数组结尾坐标
if reverse_min_idx is None or reverse_start_idx < reverse_min_idx:
reverse_min_idx = reverse_start_idx
if reverse_max_idx is None or reverse_end_idx > reverse_max_idx:
reverse_max_idx = reverse_end_idx
if reverse_min_idx is not None and reverse_max_idx is not None:
return reverse_max_idx - reverse_min_idx + 1
else:
return 0
解法二(暴力的维护最大值数组):
【思路】
解法一中,我们发现实际上我们需要维护完整的升序数组,只需要维护最大值数组即可。
但是,这种方法和解法一拥有相似的时间复杂度,这种方法仍然无法解决倒序数组时间复杂度过大的问题。
def findUnsortedSubarray(self, nums: List[int]) -> int:
max_list = [-1] * len(nums)
reverse_min_idx = None
reverse_max_idx = None
for i in range(len(nums)):
if (i > 0 and nums[i] >= max_list[i - 1]) or i == 0:
max_list[i] = nums[i]
else:
# 维护最大值数组
max_list[i] = max_list[i - 1]
# 计算起始坐标
idx = i - 1
while idx >= 0 and max_list[idx] > nums[i]:
idx -= 1
idx += 1
# 更新升序数组起始坐标和升序数组结尾坐标
if reverse_min_idx is None or idx < reverse_min_idx:
reverse_min_idx = idx
if reverse_max_idx is None or i > reverse_max_idx:
reverse_max_idx = i
if reverse_min_idx is not None and reverse_max_idx is not None:
return reverse_max_idx - reverse_min_idx + 1
else:
return 0
解法三(暴力的两层循环):
【思路】
通过解法一和解法二我们发现,与其使用O(N2)的时间复杂度来维护一个升序栈或一个最大值数组,还不如直接用O(N2)的时间复杂度来比较数组中所有数之间的大小,仅维护需升序数组的起始坐标(reverse_min_idx)和结束坐标(reverse_max_idx)。
我们比较数组中每两个数组的大小,如果发现左边的比右边的大,那么就判断是否需要更新起始坐标(reverse_min_idx)和结束坐标(reverse_max_idx)。
但是这种方法的时间复杂度仍然是O(N^2)。
def findUnsortedSubarray(self, nums: List[int]) -> int:
reverse_min_idx = len(nums) - 1
reverse_max_idx = 0
for i in range(len(nums)):
for j in range(i + 1, len(nums)):
if nums[i] > nums[j]:
reverse_min_idx = min(reverse_min_idx, i)
reverse_max_idx = max(reverse_max_idx, j)
if reverse_min_idx > reverse_max_idx:
return 0
else:
return reverse_max_idx - reverse_min_idx + 1
解法四(排序):
【思路】
我们想到与其分别比较所有数组,还不如直接将数组排序;比较原数组和排序后数组不同之处的最小坐标和最大坐标,这些坐标也就是需要升序数组的起始坐标和结束坐标。
这种方法的时间复杂度为排序的O(NlogN)和排序后遍历的O(N),时间复杂度大幅度下降。
def findUnsortedSubarray(self, nums: List[int]) -> int:
minimum = len(nums) - 1
maximum = 0
sorts = sorted(nums)
for i in range(len(nums)):
if sorts[i] != nums[i]:
minimum = min(minimum, i)
maximum = max(maximum, i)
return maximum - minimum + 1 if minimum < maximum else 0
解法五(解法四的优化):
【思路】
我们再在解法四的基础上做一个小小的优化,在遍历时不再完整遍历,而是从前往后、从后往前分别找到第一个存在差异的点即可。
def findUnsortedSubarray(self, nums: List[int]) -> int:
sorts = sorted(nums)
for i in range(len(nums)):
if sorts[i] != nums[i]:
minimum = i
break
else:
return 0
for i in range(len(nums) - 1, -1, -1):
if sorts[i] != nums[i]:
maximum = i
break
else:
return 0
return maximum - minimum + 1