Leetcode 349. 两个数组的交集
一、题目描述
给定两个数组,编写一个函数来计算它们的交集。
示例1:
输入: nums1 = [1,2,2,1], nums2 = [2,2] 输出: [2]
示例2:
输入: nums1 = [4,9,5], nums2 = [9,4,9,8,4] 输出: [9,4]
说明:
- 输出结果中的每个元素一定是唯一的。
- 我们可以不考虑输出结果的顺序。
二、自己的解法
这是一道 Facebook 的面试题,初次看到这个题目,感觉还是挺简单的,但是仔细分析起来又不是很简单,主要是数组当中可能会出现多个重复的元素,这是主要的难点。我们可以想到利用 Java 中的 Set 。因为 Set 自带去重的功能,实现代码如下:
public int[] intersection(int[] nums1, int[] nums2) {
Set<Integer> set = new HashSet<>();
for (int n: nums1){
set.add(n);
}
List<Integer> list = new ArrayList<>();
for (int n : nums2){
if (set.contains(n)){
list.add(n);
set.remove(n);
}
}
int[] res = new int[list.size()];
for (int i = 0; i < list.size(); i++) {
res[i] = list.get(i);
}
return res;
}
复杂度分析: 假设 nums1 的长度是 m,nums2 的长度是 n,我们使用了一个 set ,最大长度不会超过两个数组的容量之和,因此空间复杂度是 O(m + n);整个过程中,最多只需一次遍历,因此时间复杂度是 O(m + n)。
运行结果: 时间击败 95%,空间击败 90%,是一个非常不错的解法。
三、官方题解
1. 使用两个 Set
思路非常的简单,也是利用了 Java 中 Set 的去重功能,使用两个 set 分别存放数组元素,然后求交集。代码如下:
class Solution {
public int[] set_intersection(HashSet<Integer> set1, HashSet<Integer> set2) {
int [] output = new int[set1.size()];
int idx = 0;
for (Integer s : set1)
if (set2.contains(s)) output[idx++] = s;
return Arrays.copyOf(output, idx);
}
public int[] intersection(int[] nums1, int[] nums2) {
HashSet<Integer> set1 = new HashSet<Integer>();
for (Integer n : nums1) set1.add(n);
HashSet<Integer> set2 = new HashSet<Integer>();
for (Integer n : nums2) set2.add(n);
if (set1.size() < set2.size()) return set_intersection(set1, set2);
else return set_intersection(set2, set1);
}
}
复杂度分析: 使用到了两个 Set,长度分别是两个数组的长度,因此空间复杂度是 O(m + n),最多便利了一次数组,因此时间复杂度是 O(m + n)。
运行结果: 时间击败 97%,空间击败 90%。
2. 使用 Set 特性
还是利用了两个 Set,然后利用 Set 的原生方法,来求交集。代码如下:
class Solution {
public int[] intersection(int[] nums1, int[] nums2) {
HashSet<Integer> set1 = new HashSet<Integer>();
for (Integer n : nums1) set1.add(n);
HashSet<Integer> set2 = new HashSet<Integer>();
for (Integer n : nums2) set2.add(n);
set1.retainAll(set2);
int [] output = new int[set1.size()];
int idx = 0;
for (int s : set1) output[idx++] = s;
return output;
}
}
复杂度和运行的结果都和上面个的两种方法类似。