LeetCode - 448. Find All Numbers Disappeared in an Array

题目链接:448. Find All Numbers Disappeared in an Array


题意:给你一个整数数组,数组的值都是1≤a[i]≤nn是数组的长度),有些数字会出现两次,但是有的数字只会出现一次。
找到所有在[1, n]这个数组中,但是不在给的数组中的数。(也就是符合1≤a[i]≤n,但是没有出现在给定数组中的数)
你能不用额外的存储空间并在O(n)时间内解决问题吗?你可以认为返回的结果数组并不占用额外的空间。


解析:这个题的意思非常好理解,但是如何在不占用额外的存储空间并且在O(n)时间内解决问题,是个需要思考的点,另外如果不注意的话,直接两层嵌套循环是会超时的。


先上一种比较有意思的解法:
这个解法有两个有趣的点,第一个是给数组前面加一个[0],这也是为第二点服务的;第二点是通过遍历数组中所有的值,并找到其对应的数组下标(题目设定,数的大小在数组长度内),将对应下标的值设置为负数,最后按照下标遍历,只要对应下标上的数值不为负数,说明这个下标的值不在数组中。
这里解释一下为什么要用绝对值abs()函数,因为有些数字会出现两次,如果不使用绝对值abs()做的话,会让出现了两次的数,转化为正数,结果就会出错了。
这个效率还ok,超过50%+。

def findDisappearedNumbers(self, nums):
        nums = [0] + nums
        for i in range(len(nums)):
            index = abs(nums[i])
            nums[index] = -abs(nums[index])

        return [i for i in range(len(nums)) if nums[i] > 0]

再上一种最优解法,不仅效率高(超过95%的通过者),而且非常的简洁:
这种解法就是直接把数组转化为set集合,并将数组的长度n中包含的所有值转化为另一个set,二者求差,并转化为list返回。
真的是非常非常吊的解法啊。

class Solution(object):
    def findDisappearedNumbers(self, nums):
        return list(set(range(1, len(nums) + 1)) - set(nums))

最后的最后,写到这里的时候突然有点突发奇想,如果我们在第一种解法中,直接nums转化为set在进行处理,那就不需要使用abs()函数处理了,说不定一定程度上可以提高效率,这个留给读者去尝试吧。

为了避免读者踩坑,这里贴上超时的代码,请注意看清楚,这是没有通过的超时了的代码
这段代码后半部分if x not in nums]本质上还是使用循环判断是否存在的,也就是说这个代码是双重嵌套循环,这个解法死在了倒数第5组测试样例上,所以我个人估计题目的样例最后5组都是数量量比较大的(保守估计10万级(10的5次方)及以上)。

#超时代码
class Solution(object):
    def findDisappearedNumbers(self, nums):
        return [x for x in range(1, len(nums)+1) if x not in nums]

以上。

### 回答1: 好的,我来用中文回复这个链接:https://leetcode-cn.com/tag/dynamic-programming/ 这个链接是 LeetCode 上关于动态规划的题目集合。动态规划是一种常用的算法思想,可以用来解决很多实际问题,比如最长公共子序列、背包问题、最短路径等等。在 LeetCode 上,动态规划也是一个非常重要的题型,很多题目都需要用到动态规划的思想来解决。 这个链接里包含了很多关于动态规划的题目,按照难度从简单到困难排列。每个题目都有详细的题目描述、输入输出样例、题目解析和代码实现等内容,非常适合想要学习动态规划算法的人来练习和提高自己的能力。 总之,这个链接是一个非常好的学习动态规划算法的资源,建议大家多多利用。 ### 回答2: 动态规划是一种算法思想,通常用于优化具有重叠子问题和最优子结构性质的问题。由于其成熟的数学理论和强大的实用效果,动态规划在计算机科学、数学、经济学、管理学等领域均有重要应用。 在计算机科学领域,动态规划常用于解决最优化问题,如背包问题、图像处理、语音识别、自然语言处理等。同时,在计算机网络和分布式系统中,动态规划也广泛应用于各种优化算法中,如链路优化、路由算法、网络流量控制等。 对于算法领域的程序员而言,动态规划是一种必要的技能和知识点。在LeetCode这样的程序员平台上,题目分类和标签设置十分细致和方便,方便程序员查找并深入学习不同类型的算法。 LeetCode的动态规划标签下的题目涵盖了各种难度级别和场景的问题。从简单的斐波那契数列、迷宫问题到可以用于实际应用的背包问题、最长公共子序列等,难度不断递进且话题丰富,有助于开发人员掌握动态规划的实际应用技能和抽象思维模式。 因此,深入LeetCode动态规划分类下的题目学习和练习,对于程序员的职业发展和技能提升有着重要的意义。 ### 回答3: 动态规划是一种常见的算法思想,它通过将问题拆分成子问题的方式进行求解。在LeetCode中,动态规划标签涵盖了众多经典和优美的算法问题,例如斐波那契数列、矩阵链乘法、背包问题等。 动态规划的核心思想是“记忆化搜索”,即将中间状态保存下来,避免重复计算。通常情况下,我们会使用一张二维表来记录状态转移过程中的中间值,例如动态规划求解斐波那契数列问题时,就可以定义一个二维数组f[i][j],代表第i项斐波那契数列中,第j个元素的值。 在LeetCode中,动态规划标签下有众多难度不同的问题。例如,经典的“爬楼梯”问题,要求我们计算到n级楼梯的方案数。这个问题的解法非常简单,只需要维护一个长度为n的数组,记录到达每一级楼梯的方案数即可。类似的问题还有“零钱兑换”、“乘积最大子数组”、“通配符匹配”等,它们都采用了类似的动态规划思想,通过拆分问题、保存中间状态来求解问题。 需要注意的是,动态规划算法并不是万能的,它虽然可以处理众多经典问题,但在某些场景下并不适用。例如,某些问题的状态转移过程比较复杂,或者状态转移方程中存在多个参数,这些情况下使用动态规划算法可能会变得比较麻烦。此外,动态规划算法也存在一些常见误区,例如错用贪心思想、未考虑边界情况等。 总之,掌握动态规划算法对于LeetCode的学习和解题都非常重要。除了刷题以外,我们还可以通过阅读经典的动态规划书籍,例如《算法竞赛进阶指南》、《算法与数据结构基础》等,来深入理解这种算法思想。
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