数组理论基础
数组是存放在连续内存空间上的相同类型数据的集合。
数组可以方便的通过下标索引的方式获取到下标下对应的数据。
举一个字符数组的例子,如图所示:
需要两点注意的是
-
数组下标都是从0开始的。
-
数组内存空间的地址是连续的
正是因为数组的在内存空间的地址是连续的,所以我们在删除或者增添元素的时候,就难免要移动其他元素的地址。
例如删除下标为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:
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。
那么二维数组直接上图,大家应该就知道怎么回事了
那么二维数组在内存的空间地址是连续的么?
我们来举一个例子,例如: int[][] rating = new int[3][4];
, 这个二维数据在内存空间可不是一个 3*4
的连续地址空间
看了下图,就应该明白了:
所以二维数据在内存中不是 3*4
的连续地址空间,而是四条连续的地址空间组成!
二分法时间复杂度:
查找数据长度为N,每次查找后减半,
第一次 N/2
...
第k次 N/2^k
最坏的情况下第k次才找到,此时只剩一个数据,长度为1。
即 N/2^k = 1
查找次数 k=log(N)。
数组的经典题目
二分法
35-给定一个排序数组和一个目标值,在数组中找到目标值,并返回其索引。如果目标值不存在于数组中,返回它将会被按顺序插入的位置。
/** * 二分法,注意边界条件 */ class Solution { public int searchInsert(int[] nums, int target) { int left = 0; int rigth = nums.length; while(left < rigth){ int mid=(left + rigth) / 2; if(nums[mid] >= target) { rigth = mid; } else{ left = mid+1; } } return left; } }
复杂度分析
时间复杂度:O(logn),其中 n 为数组的长度。二分查找所需的时间复杂度为 O(logn)。
空间复杂度:O(1)。我们只需要常数空间存放若干变量。
双指针法
27- 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。
class Solution { public int removeElement(int[] nums, int val) { int i = 0; for (int j = 0; j <nums.length ; j++) { if (nums[j] != val){ nums[i] = nums[j]; i++; } } return i; } }
复杂度分析
-
时间复杂度:O(n) 假设数组总共有 n个元素,i 和 j至少遍历 2n步。
-
空间复杂度:O(1)
滑动窗口
209-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 。
/** * 滑动窗口 * 所谓滑动窗口,就是不断的调节子序列的起始位置和终止位置,从而得出我们要想的结果 * * 窗口就是 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:窗口的结束位置就是遍历数组的指针,窗口的起始位置设置为数组的起始位置就可以了 * 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)的暴力解法降为O(n)。 */ class Solution { public int minSubArrayLen(int target, int[] nums) { int n = nums.length; if (n == 0){ return 0; } int ans = Integer.MAX_VALUE; int start = 0,end = 0; int sum = 0; while (end < n){ sum+= nums[end]; while (sum >= target){ ans = Math.min(ans,end - start + 1); sum -= nums[start]; start++; } end++; } return ans == Integer.MAX_VALUE ? 0 : ans; } }
复杂度分析
时间复杂度:O(n^2),其中 n是数组的长度。需要遍历每个下标作为子数组的开始下标,对于每个开始下标,需要遍历其后面的下标得到长度最小的子数组。
空间复杂度:O(1)
模拟行为
59-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 。
** * 从左到右填入上侧元素,依次为(up,left) 到 (up,right)。 * 从上到下填入右侧元素,依次为 (up+1,right) 到 (down,right)。 * 如果 left<right 且 up<down,则从右到左填入下侧元素,依次为 (down,right−1) 到 (down,left+1) * 从下到上填入左侧元素,依次为 (down,left)到 (up+1,left)。 *填完当前层的元素之后,将 left 和 up 分别增加 1,将 right 和 down 分别减少 1,进入下一层继续填入元素,直到填完所有元素为止。 * * */ class Solution { public int[][] generateMatrix(int n) { int[][] res = new int[n][n]; int up = 0, down = n - 1, left = 0, right = n - 1, index = 1; while(index <= n * n){ for(int i = left; i <= right; i++){ res[up][i] = index++; } up++; for(int i = up; i <= down; i++){ res[i][right] = index++; } right--; for(int i = right; i >= left; i--){ res[down][i] = index++; } down--; for(int i = down; i >= up; i--){ res[i][left] = index++; } left++; } return res; } }
复杂度分析
时间复杂度:O(n^2),其中 n 是给定的正整数。矩阵的大小是 n×n,需要填入矩阵中的每个元素。
空间复杂度:O(1)。除了返回的矩阵以外,空间复杂度是常数。