【刷题之路】牛客 NC74 数字在升序数组中出现的次数
一、题目描述
原题连接: NC74 数字在升序数组中出现的次数
题目描述:
给定一个长度为n的非降序数组和一个非负数整数k,要求统计k在数组中出现的次数
数据范围:0 <= n <= 1000, 0 <= k <= 100, 阿虎组中的每个元素满足0 <= val <= 100
复杂度要求:时间复杂度:O(logn), 空间复杂度O(1)
示例1
输入:[1,2,3,3,3,3,4,5],3
返回值: 4
示例2
输入:[1,3,4,5],6
返回值: 0
二、解题
1、方法1——直接遍历
1.1、思路分析
直接遍历数组,统计k出现的次数
1.2、代码实现
有了以上思路,那我们写起代码来也就水到渠成了:
int GetNumberOfK1(int* data, int dataLen, int k) {
assert(data);
// 特殊情况特殊处理
if (k < data[0] || k > data[dataLen - 1]) {
return 0;
}
int i = 0;
int count = 0; // 统计k出现的次数
for (i = 0; i < dataLen; i++) {
if (data[i] == k) {
count++;
}
}
return count;
}
时间复杂度:O(n),n为数组元素个数,我们只需要遍历一遍数组即可。
空间复杂度:O(1),我们只需要用到常数级的额外空间。
2、方法2——二分法
2.1、思路分析
我们可以先用二分帮我们找到k,既然题目说的是非降序数组,那相同的数一定就是紧挨在一起的。例如下例:
所以,找到k之后再分别向它的左右两边遍历,统计一共有多少个k。
2.2、代码实现
有了以上思路,那我们写起代码来也就水到渠成了:
int GetNumberOfK2(int* data, int dataLen, int k) {
assert(data);
// 特殊情况特殊处理
if (k < data[0] || k > data[dataLen - 1]) {
return 0;
}
int left = 0;
int right = dataLen - 1;
int mid = 0;
int count = 0; // 统计一共有多少个k
while (left <= right) {
mid = left + (right - left) / 2;
if (k < data[mid]) {
right = mid - 1;
}
else if (k > data[mid]) {
left = mid + 1;
}
else { // 找到了
count++;
int n = 1;
// 向k的后面寻找
while (mid + n < dataLen) {
if (data[mid + n] == k) {
count++;
n++;
}
else {
break;
}
}
// 向k的前面寻找
n = 1;
while (mid - n >= 0) {
if (data[mid - n] == k) {
count++;
n++;
}
else {
break;
}
}
break;
}
}
return count;
}
时间复杂度:O(n),n为数组元素个数,最坏的情况下,我们还是要遍历一遍数组。
空间复杂度:O(1),我们只需要用到常数级的额外空间。
3、方法3——找边界
3.1、思路分析
上面说到,在一个有序数组中相同值的元素一定是"紧挨在一起的"
那我们就可以找到这一堆紧挨在一起的元素的边界,然后在将两个边界相减,其绝对值再减1就是k的个数。
所以我们分别进行正向遍历和逆向遍历,正向遍历找到第一个大于k的数,并返回其下标,逆向遍历则找到第一个小于k的数,
并返回其下标,将两个下标相减,其绝对值再减去1即是k的个数。
3.2、代码实现
有了以上思路,那我们写起代码来也就水到渠成了:
int GetNumberOfK3(int* data, int dataLen, int k) {
assert(data);
// 特殊情况特殊处理
if (k < data[0] || k > data[dataLen - 1]) {
return 0;
}
int left = -1; // 记录左边界,初始化为-1
int right = dataLen; // 记录右边界,初始化为dataLen
// 这里的初始化是为了防止初速长度为0或为1的情况。
int i = 0;
// 正向遍历
for (i = 0; i < dataLen; i++) {
if (data[i] > k) {
right = i;
break;
}
}
//逆向遍历
for (i = dataLen - 1; i >= 0; i--) {
if (data[i] < k) {
left = i;
break;
}
}
return right - left - 1;
}
时间复杂度:O(n),n为数组元素个数,最坏情况下,我们需要遍历数组一遍。
空间复杂度:O(1),我们只需要用到常数级的额外空间。
4、方法4——二分法优化
4.1、思路分析
方法3的思路,完全可以用二分法来完成:
我们可以用二分法分别找到k + 0.5和k - 0.5的位置,返回它们的下标
然后相减,其绝对值再减1就是k出现的次数。
当然啦,小数在整数数组中是不可能出现的,所以这里返回的应该是它们需要按顺序插入的下标。至于为什么是这样我在我的上一篇题解:【刷题之路】二分法的妙用 LeetCode 35. 搜索插入位置中做了详细的解答。
即我们最后直接返回left即可。
那么查找k + 0.5时返回的left指向的就是第一个大于k的数,查找k - 0.5的时候返回的left指向的就是k本身
但这也省去了对绝对值再减1的操作。最后结果也还是对的。
4.2、代码实现
有了以上代码,那我们写起代码来也就水到渠成了:
我们先写一个“特殊”二分查找函数:
int binary_search(int* nums, int nums_len, double target) {
assert(nums);
// 特殊情况特殊处理
if (target < nums[0]) {
return 0;
}
else if (target > nums[nums_len - 1]) {
return nums_len;
}
int left = 0;
int right = nums_len - 1;
int mid = 0;
while (left <= right) {
mid = left + (right - left) / 2;
if (target < nums[mid]) {
right = mid - 1;
}
else if (target > nums[mid]) {
left = mid + 1;
}
}
return left;
}
然后我们在解题函数中调用二分查找即可:
int GetNumberOfK(int* data, int dataLen, int k) {
assert(data);
// 特殊情况特殊处理
if (k < data[0] || k > data[dataLen - 1]) {
return 0;
}
int left = -1; // 记录左边界
int right = dataLen; // 记录右边界
left = binary_search(data, dataLen, k - 0.5);
right = binary_search(data, dataLen, k + 0.5);
return right - left;
}
时间复杂度:O(log2N),N为数组元素个数,两次二分查找,二分查找的复杂度为O(log2N)。
空间复杂度:O(1),我们只需要用到常数级的额外空间。