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。