数组理论基础（概念、二分法+双指针+滑动窗口+模拟行为）

阴天v快乐丶

已于 2022-12-10 21:45:18 修改

阅读量379

点赞数

文章标签： leetcode 算法 python 学习

于 2022-12-09 14:33:02 首次发布

本文链接：https://blog.csdn.net/chenjh027/article/details/128237161

版权

数组理论基础

数组是非常基础的数据结构，是面试必问的基础而不失“优雅”的知识点。思维有时很简单，但是在具体实现上很容易陷入暴力循环的深渊里，虽然大部分时候暴力循环可以解决问题，但其复杂度往往在O（n^2)及以上，让心动的offer离我们越来越远，那么，如何能够做到在高效解决问题的同时占用较少的资源呢？本文将详细介绍数组面试题中的四大法宝—二分法+双指针法+滑动窗口法+模拟法。

1. 概念

什么是数组？

数组是存放在连续内存空间上相同类型数据的集合。
数组可以使用下标索引实现对目标元素的访问。如下图所示：
在这里插入图片描述
需要注意的是：

数组下标从 0 开始。
数组在内存空间的存储是连续的

正因为其在内存空间存放的连续性，所以我们在删除或增添数组的元素时，就难免的要大量移动其他元素的地址，虽然我们看不出来，但在底层中，确实是这样，举个例子：
删除下标为3的元素，需要对下标为3的元素后面的所有元素都要做移动操作，如图所示：
在这里插入图片描述
而且大家如果使用C++的话，要注意vector 和 array的区别，vector的底层实现是array，严格来讲vector是容器，不是数组。

数组的元素是不能删的，只能覆盖。
接下来看看二维数组，如下图所示：
在这里插入图片描述

接下来我们了解一下二维数组在空间中的存储方式，也是用一张图说明一下：

在这里插入图片描述
简单的理解，二维数组在内存中采用优先顺序进行存储，即先存储数组的第一行，再依次存储其他行。

数组问题的经典解决方法：

一、二分法（详细介绍点击此链接）

当列表为升序不重复时，推荐使用二分查找。

LeetCode题目：题目链接

给定一个 n 个元素有序的（升序）整型数组 nums 和一个目标值 target ，写一个函数搜索 nums 中的 target，如果目标值存在返回下标，否则返回 -1。

算法：

① 首先确定整个查找区间的中间位置 mid = (left + right) /2 。
② 用待查关键字值与中间位置的关键字值进行比较；若相等，则查找成功；若大于，则在后（右）半个区域继续进行折半查找；若小于，则在前（左）半个区域继续进行折半查找。
③ 对确定的缩小区域再按折半公式，重复上述步骤。最后，得到结果：要么查找成功，要么查找失败。

二分法的两种实现方法：

1、左闭右闭 [left, right]

思路：

第一种写法，我们定义 target 是在一个在左闭右闭的区间里，也就是 [left, right] （这个很重要非常重要）。

区间的定义这就决定了折半法的代码应该如何写，因为定义target在[left, right]区间，所以有如下两点：

while (left <= right) 要使用 <= ，因为left == right是可以实际取到的，是有意义的，所以使用 <= 。
if (nums[middle] > target) right 要赋值为 middle - 1，因为当前这个nums[middle]一定不是target，那么接下来要查找的左区间结束下标位置就是 middle - 1 。

下面给出具体实现代码：

nums = [1,2,3,4,5,6,7,8,9,10,11,22,33,44,65,546,5432]
target = int(input("请输入目标数字"))
left = 0
right = len(nums) - 1
while (left <= right):
    middle = （left + right ) // 2
    if (nums[middle] > target):
        right = middle - 1
    elif (nums[middle] < target):
        left = middle + 1 
    elif(nums[middle] == target):
        print(middle)
        break  // 很重要，否则陷入无限循环
else:
     print(-1)  #未找到该元素

2、左闭右开 [left, right)

思路：

这种方法将 target 定义在一个在左闭右开的区间里，也就是[left, right)。需要注意，此时右边界是取不到的。需要注意下面两点：

while (left < right)，这里使用 < ,因为left == right 是没有意义的，因为区间[left, right)无法被实际取到。
if (nums[middle] > target) right 更新为 middle，因为当前nums[middle]不等于target，去左区间继续寻找，而寻找区间是左闭右开区间，所以right更新为middle，即：下一个查询区间不会去比较nums[middle]。

下面给出具体实现代码：

nums = [1,2,3,4,5,6,7,8,9,10,11,22,33,44,65,546,5432]
target = int(input("请输入目标数字"))
left = 0
right = len(nums)
while left < right:
    middle = (left+right) // 2
    num = nums[middle]
    if num < target:
        left = middle + 1 #因为左侧是闭的，所以nums[left] 已经在上一轮被取到，所以下一轮循环需要将左侧标志位+1.
    elif num > target:
        right = middle
    else:
        print(middle)
        break // 很重要，否则陷入无限循环
else:
    print(-1) #未找到该元素

3、总结：

区间的定义就是不变量，那么在循环中坚持根据查找区间的定义来做边界处理，就是循环不变量规则。折半查找中最重要的就是区间的选择和边界的确定。记住一点。考察区间是否存在，是否有实际意义，这样在写代码的时候就不会模糊。

二、双指针法（详细介绍点击此链接）

双指针法（快慢指针法）：通过一个快指针和慢指针在一个for循环下完成两个for循环的工作。

暴力解法时间复杂度：O(n^2)
双指针时间复杂度：O(n)

LeetCode题目：题目链接

给你一个数组 nums 和一个值 val，你需要原地移除所有数值等于 val 的元素，并返回移除后数组的新长度。
不要使用额外的数组空间，你必须仅使用 O(1) 额外空间并原地修改输入数组。
元素的顺序可以改变。你不需要考虑数组中超出新长度后面的元素。

思路：

本题要求不能新开辟空间，只能在原数组里进行修改，思路是定义两个指针指向数组的头部，快指针Fast 负责迅速遍历数组，慢指针Slow 负责将数组中与val不等的值原地覆盖，Slow每赋值一次就要加一，指向下一位置。

下面给出具体实现代码：

nums = [1,2,2,2,3,4,5,2,2]
val = int(input("请输入目标值："))
Fast,Slow = 0,0
for Fast in range(len(nums)):
     if nums[Fast] != val:
          nums[Slow] = nums[Fast]
          Slow += 1
print(Slow)
print(nums)

#Output
#请输入目标值：2
#4
#[1, 3, 4, 5, 3, 4, 5, 2, 2]

3、总结：

双指针法（快慢指针法）在数组和链表的操作中是非常常见的，很多考察数组和链表操作的面试题，都使用双指针法.它独特的结构使得数组不用开辟新的空间，直接在原数组上对数据进行修改，极大节省了内存,提高了运行效率。

三、滑动窗口法：

滑动窗口法，我更愿意称之为动态队列法。其思路就是：不断维护一个动态的队列，满足条件后，通过删除队头元素的方式不断调整子队列的起始位置和终止位置，从而得到我们想要的结果。

LeetCode题目：题目链接

给定一个含有 n 个正整数的数组和一个正整数 target 。

找出该数组中满足其和 ≥ target 的长度最小的连续子数组 [numsl, numsl+1, …, numsr-1, numsr] ，并返回其长度。如果不存在符合条件的子数组，返回 0 。

思路：只用一个for循环，循环的索引表示滑动窗口的终止位置。关键就是这两个指针是如何移动的。定义j为初始位置，每次满足条件后执行 sum = sum - nums[j] #滑动窗口实现的关键：j为每次初始的值，当条件满足时，类似队列的结构，将队列的头元素删除，进行下一步判断。执行完后对j执行j += 1,使j指向下一位，完成滑动窗口的更新。

滑动窗口演示

窗口是满足其和 ≥ s 的长度最小的连续子数组。
窗口的起始位置如何移动：如果当前窗口的值大于s了，窗口就要向前移动了（也就是该缩小了）。
窗口的结束位置如何移动：可以发现滑动窗口的精妙之处在于根据当前子序列和大小的情况，不断调节子序列的起始位置。从而将O(n^2)暴力解法降为O(n)。
可以发现滑动窗口的精妙之处在于根据当前子序列和大小的情况，不断调节子序列的起始位置。从而将O(n^2)暴力解法降为O(n)。（滑动窗口法使用的前提是该问题可以使用双循环暴力求解）

下面给出具体实现代码：

'''方法一：双循环暴力求解 ，无技巧~
nums = [2,3,1,2,4,3]
target = 7
n = len(nums)
sum = 0
min_lenth = [0] * n
res = []
for i in range(n):
    count = 1
    sum = nums[i]
    if sum >= target:
        min_lenth[i] = count
        break
    else:
        for j in range(i+1,n):
             sum += nums[j]
             count += 1
             if sum >= target:
                  min_lenth[i] = count
                  break
for i in range(len(min_lenth)):
    if int(min_lenth[i]) > 0:
        res.append(min_lenth[i])
if len(res) != 0:
    print(min(res))
else:print(0)
'''
'''方法二：滑动窗口，只一次循环
nums = [2,3,1,2,4,3]
target = 7
n = len(nums)
res = float("inf")  # 定义一个无限大的数
print(res)
sum = 0
j = 0
for i in range(n):
    sum += nums[i]
    while(sum >= target):
        temp = i - j + 1
        res = min(temp,res)
        sum = sum -  nums[j] #滑动窗口实现的关键：j为每次初始的值，当条件满足时，类似队列的结构，将队列的头元素删除，进行下一步判断。
        j += 1
print(0) if res == float("inf") else print(res)
'''

四、模拟行为法：

模拟类的题目在数组中很常见，不涉及到什么算法，就是单纯的模拟，主要考察对代码的掌控能力。

思路：

主要要用到的是循环不变量原则，换句话说，就是在每一次子循环的处理中，处理的子序列的长度和开闭区间的选择上都应该与前面保持一致。

LeetCode题目：题目链接

给你一个正整数 n ，生成一个包含 1 到 n2 所有元素，且元素按顺时针顺序螺旋排列的 n x n 正方形矩阵 matrix 。
在这里插入图片描述
输入：n = 3
输出：[[1,2,3],[8,9,4],[7,6,5]]

思路：

求解本题依然是要坚持循环不变量原则。
模拟顺时针画矩阵的过程:

填充上行从左到右
填充右列从上到下
填充下行从右到左
填充左列从下到上
由外向内一圈一圈这么画下去。这里一圈下来，我们要画每四条边，这四条边怎么画，每画一条边都要坚持一致的左闭右开，或者左开右闭的原则，这样这一圈才能按照统一的规则画下来。

我以左闭右开区间为例来求解此问题，代码如下：

n = 3
res = [[0] * n for i in range(n)]
start_x, start_y = 0, 0
loop = n // 2
mid_point = n // 2 #n为奇数时，矩阵的中心点坐标值（中心的点坐标值横纵一样 ）
count = 1
offset = 1 #每行的最后一个元素算入下一轮循环的首元素，且每循环完一整轮，值加一。
while loop :
    for j in range(start_y,n - offset):
        res[start_x][j] = count
        count += 1
    for i in range(start_x,n - offset):
        res[i][n - offset] = count
        count +=1
    for j in range(n - offset,start_y,-1):
        res[n - offset][j] = count
        count += 1
    for i in range(n- offset,start_x,-1):
        res[i][start_y] = count
        count +=1
    start_x += 1
    start_y += 1
    offset += 1
    loop -= 1
if n % 2 != 0:
    res[mid_point][mid_point] = count
print(res)

#Outout
# [[1, 2, 3], [8, 9, 4], [7, 6, 5]]

阴天v快乐丶

关注

0
点赞
踩
1

收藏

觉得还不错? 一键收藏
1
评论
数组理论基础（概念、二分法+双指针+滑动窗口+模拟行为）

数组是非常基础的数据结构，是面试必问的基础而不失“优雅”的知识点。思维有时很简单，但是在具体实现上很容易陷入暴力循环的深渊里，虽然大部分时候暴力循环可以解决问题，但其复杂度往往在O（n^2)及以上，让心动的offer离我们越来越远，那么，如何能够做到在高效解决问题的同时占用较少的资源呢？本文将详细介绍数组面试题中的四大法宝---二分法+双指针法+滑动窗口法+模拟法。
复制链接

扫一扫