给你一个整数数组 nums
,判断是否存在三元组 [nums[i], nums[j], nums[k]]
满足 i != j
、i != k
且 j != k
,同时还满足 nums[i] + nums[j] + nums[k] == 0
。请你返回所有和为 0
且不重复的三元组。
注意:答案中不可以包含重复的三元组。
示例 1:
输入:nums = [-1,0,1,2,-1,-4] 输出:[[-1,-1,2],[-1,0,1]] 解释: nums[0] + nums[1] + nums[2] = (-1) + 0 + 1 = 0 。 nums[1] + nums[2] + nums[4] = 0 + 1 + (-1) = 0 。 nums[0] + nums[3] + nums[4] = (-1) + 2 + (-1) = 0 。 不同的三元组是 [-1,0,1] 和 [-1,-1,2] 。 注意,输出的顺序和三元组的顺序并不重要。
示例 2:
输入:nums = [0,1,1] 输出:[] 解释:唯一可能的三元组和不为 0 。
示例 3:
输入:nums = [0,0,0] 输出:[[0,0,0]] 解释:唯一可能的三元组和为 0 。
算法:
双指针法:
1. 排序数组:
- 首先对输入的数组进行排序。排序可以让我们更方便地使用双指针技术,并且有助于去重操作。
2. 三层循环结构:
- 第一层循环(
first
指针):遍历数组中的每一个元素,将其作为当前三元组的第一个元素。由于数组是有序的,接下来的步骤可以利用有序性来高效查找另外两个元素。 - 双指针查找(
second
和third
指针):在固定了第一个元素后,使用双指针法在剩下的部分中查找两个元素,使得这三个元素的和为零。second
从左向右移动,third
从右向左移动。
3. 跳过重复元素:
- 外层去重:在选择第一个元素时(
first
),如果这个元素与前一个元素相同,则跳过它,避免重复的计算。 - 内层去重:在找到一个符合条件的三元组后,移动
second
和third
指针,跳过与当前元素相同的其他元素,防止添加重复的三元组。
4. 双指针查找的逻辑:(second从小变大,third从大变小)
- 初始条件:
second
指针从first
的下一个位置开始,third
指针从数组末尾开始。 - 检查和:
- 如果
nums[second] + nums[third]
等于-nums[first]
,则找到一个有效的三元组,将其加入结果中,并移动两个指针以跳过重复元素。 - 如果
nums[second] + nums[third]
小于-nums[first]
,则需要增加second
指针,以增大总和。 - 如果
nums[second] + nums[third]
大于-nums[first]
,则需要减小third
指针,以减小总和。
- 如果
正确代码:
class Solution(object):
def threeSum(self, nums):
"""
:type nums: List[int]
:rtype: List[List[int]]
"""
#去重:先排序
#nums[first] + x = 0
#nums[second] + nums[third] = - nums[first] = x
#second 一定小于 third, second从小变大, third从大变小(双指针)
#写代码的时候一定要牢记:first < second <third
nums.sort()#从小到大排序
res = list()
for first in range(0, len(nums)):
x = 0-nums[first]
#跳过重复数字:
if first>0 and nums[first] == nums[first-1]:
continue
#second应该在first右边
second = first + 1
third = len(nums)-1
while third > second:
if nums[second] + nums [third] == x:
res.append([nums[first],nums[second],nums[third]])
second += 1
third -= 1
#因为second和third已经更新了,所以内部的while循环要依然要写while second < third
while second < third and nums[second] == nums[second-1]:
second += 1
while second < third and nums[third] == nums[third+1]:
third -= 1
elif nums[second] + nums [third] > x:
third -= 1
else:
second +=1
return res
时间空间复杂度:
该算法的时间复杂度是 O(n^2),其中 n
是数组的长度。
具体分析:
- 排序:对数组进行排序的时间复杂度是
O(n log n)
。 - 双指针遍历:主循环遍历数组的时间复杂度为
O(n)
,对于每个元素,都有一个内部的双指针遍历,时间复杂度为O(n)
。因此,双指针遍历的整体时间复杂度是O(n * n) = O(n^2)
。
由于 O(n^2)
在时间复杂度上是主导因素,因此总体时间复杂度是 O(n^2)
。
空间复杂度
该算法的空间复杂度是 O(1),如果不考虑返回结果所占用的空间。