Leetcode 349. 两个数组的交集——go语言实现

一、题目描述

给定两个数组 nums1 和 nums2 ，返回它们的交集 。
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]
解释：[4,9] 也是可通过的

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、代码实现

方法一：双层 for 循环

解题思路

  计算两个数组的交集，直观的方法是遍历数组 nums1，对于其中的每个元素，遍历数组 nums2 判断该元素是否在数组 nums2 中，如果存在，则将该元素添加到返回结果中。

代码实现

func intersection(nums1 []int, nums2 []int) []int {
	ret := make([]int, 0)
	numMap := make(map[int]int)
	for _, num1 := range nums1 {
		for _, num2 := range nums2 {
			if num1 == num2 && numMap[num1] == 0 {
				numMap[num1] = 1 // 放入map中
				ret = append(ret, num1)
			}
		}
	}
	return ret
}

复杂度分析

• 时间复杂度：O(mn)，其中 m 和 n 分别是两个数组的长度。遍历数组 nums1 需要 O(m) 的时间，判断 nums1 中的每个元素是否在数组 nums2 中需要 O(n) 的时间，因此总的时间复杂度是 O(mn)。

• 空间复杂度：O(m+n)，其中 m 和 n 分别是两个数组的长度。空间复杂度主要取决于两个集合。

方法二：借助哈希表

解题思路

  使用哈希集合存储元素，则可以在 O(1) 的时间内判断一个元素是否在集合中，从而降低时间复杂度。

  遍历数组 nums1，使用哈希表存储 nums1的每个元素，然后遍历数组 nums2，判断其每个元素是否在哈希表中，如果在哈希表中，则将该元素添加到返回结果中。

代码实现

func intersection(nums1 []int, nums2 []int) []int {
	ret := make([]int, 0)
	numMap := make(map[int]int)
	for _, num1 := range nums1 {
		numMap[num1] = 1
	}
	for _, num2 := range nums2 {
		if numMap[num2] > 0 {
			delete(numMap, num2) // 从 map 中删除
			ret = append(ret, num2)
		}
	}
	return ret
}

复杂度分析

• 时间复杂度：O(m+n)，其中 m 和 n 分别是两个数组的长度。遍历数组 nums1 需要 O(m) 的时间，遍历数组 nums2 中需要 O(n) 的时间，因此总的时间复杂度是 O(m+n)。

• 空间复杂度：O(m+n)，其中 m 和 n 分别是两个数组的长度。空间复杂度主要取决于两个集合。

方法三：排序 + 双指针

解题思路

  首先对两个数组进行排序，然后使用两个指针遍历两个数组。可以预见的是加入答案的数组的元素一定是递增的，为了保证加入元素的唯一性，我们需要额外记录变量 pre，表示上一次加入答案数组的元素。

  初始时，两个指针分别指向两个数组的头部。每次比较两个指针指向的数字，如果两个数字不相等，则将指向较小数字的指针右移一位，如果两个数字相等，且该数字不等于 pre，将该数字添加到返回结果中，并更新 pre 变量，同时将两个指针都右移一位。当至少有一个指针超出数组范围时，遍历结束。

代码实现

func intersection(arr1, arr2 []int) []int {
	ret := make([]int, 0)
	i, j := 0, 0
	sort.Ints(arr1)
	sort.Ints(arr2)
	for i < len(arr1) && j < len(arr2) {
		if arr1[i] > arr2[j] {
			j++
		} else if arr1[i] < arr2[j] {
			i++
		} else {
			if len(ret) == 0 || arr1[i] > ret[len(ret)-1] {
				ret = append(ret, arr1[i])
			}
			i++
			j++
		}
	}
	return ret
}

复杂度分析

• 时间复杂度：O(mlogm+nlogn)，其中 m 和 n 分别是两个数组的长度。对两个数组排序的时间复杂度分别是 O(mlogm) 和 O(nlogn)，双指针寻找交集元素的时间复杂度是 O(m+n)，因此总时间复杂度是 O(mlogm+nlogn)。

• 空间复杂度：O(logm+logn)，其中 m 和 n 分别是两个数组的长度。空间复杂度主要取决于排序使用的额外空间。