LeetCode:1. 两数之和

题目描述

解题方法及解析

方法一:暴力求解,通过两个循环解题

class Solution(object):
    def twoSum(self, nums, target):
        """
        :type nums: List[int]
        :type target: int
        :rtype: List[int]
        """
        for i in range(len(nums)):
            for j in range(i+1, len(nums)):
                if nums[i] + nums[j] == target:
                    return [i, j]

复杂度分析:

  • 时间复杂度: O ( n 2 ) O(n^2) O(n2)
    对于每个元素,我们试图通过遍历数组的其余部分来寻找它所对应的目标元素,这将耗费 O ( n ) O(n) O(n)的时间。因此时间复杂度为 O ( n 2 ) O(n^2) O(n2)

  • 空间复杂度: O ( 1 ) O(1) O(1)

方法二

解题思路是在方法一的基础上,优化解法。想着,num2 的查找并不需要每次从 nums 查找一遍,只需要从 num1 位置之前或之后查找即可。但为了方便 index 这里选择从 num1 位置之前查找1

def twoSum(nums, target):
    lens = len(nums)
    j=-1
    for i in range(1,lens):
        temp = nums[:i]
        if (target - nums[i]) in temp:
            j = temp.index(target - nums[i])
            break
    if j>=0:
        return [j,i]

方法三:两遍哈希表

参考了大神们的解法1,通过哈希来求解,这里通过字典来模拟哈希查询的过程。
个人理解这种办法相较于方法一其实就是字典记录了 num1 和 num2 的值和位置,而省了再查找 num2 索引的步骤。

def twoSum(nums, target):
    hashmap={}
    for ind,num in enumerate(nums):
        hashmap[num] = ind
    for i,num in enumerate(nums):
        j = hashmap.get(target - num)
        if j is not None and i!=j:
            return [i,j]

通过字典的方法,查找效率快很多,执行速度大幅缩短,共 88ms。

复杂度分析2

  • 时间复杂度: O ( n ) O(n) O(n)
    我们把包含有n个元素的列表遍历两次。由于哈希表将查找时间缩短到 O ( 1 ) O(1) O(1) ,所以时间复杂度为 O ( n ) O(n) O(n)

  • 空间复杂度: O ( n ) O(n) O(n)
    所需的额外空间取决于哈希表中存储的元素数量,该表中存储了n个元素。

方法四:一遍哈希表(最快)

类似方法二,不需要 num2不需要在整个 dict 中去查找。可以在num1之前的 dict 中查找,因此就只需要一次循环可解决1

def twoSum(nums, target):
    hashmap={}
    for i,num in enumerate(nums):
        if hashmap.get(target - num) is not None:
            return [i,hashmap.get(target - num)]
        hashmap[num] = i #这句不能放在if语句之前,解决list中有重复值或target-num=num的情况

更简洁的写法:

def two_sum(nums, target):
    """这样写更直观,遍历列表同时查字典"""
    dct = {}
    for i, n in enumerate(nums):
        cp = target - n
        if cp in dct:
            return [dct[cp], i]
        else:
            dct[n] = i

复杂度分析2

  • 时间复杂度: O ( n ) O(n) O(n)
    我们只遍历了包含有 n 个元素的列表一次。在表中进行的每次查找只花费 O ( 1 ) O(1) O(1) 的时间。

  • 空间复杂度: O ( n ) O(n) O(n)
    所需的额外空间取决于哈希表中存储的元素数量,该表最多需要存储 n 个元素。


  1. 两数之和 ↩︎ ↩︎ ↩︎

  2. 小白 Python 几种解法 ↩︎ ↩︎

评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值