数据结构【哈希表、双指针、数组】| leetcode 350. 两个数组的交集 II(简单)

参考链接：https://leetcode.cn/problems/intersection-of-two-arrays-ii/solution/liang-ge-shu-zu-de-jiao-ji-ii-by-leetcode-solution/

方法一：哈希表

方法二：排序+双指针

class Solution:
    def intersect(self, nums1: List[int], nums2: List[int]) -> List[int]:
        # 方法一：O(n)
        hashmap = {}
        for i in nums1:
            if i in hashmap:
                hashmap[i] += 1
            else:
                hashmap[i] = 1

        res = []
        for j in nums2:
            if j in hashmap:
                res.append(j)
                hashmap[j] -= 1   # 每次-1, 为0时弹出
                if hashmap[j] == 0:
                    hashmap.pop(j)
        return res
        

        # 方法二：排序+双指针   O(nlogn+n)
        # res = []
        # i, j = 0, 0
        # nums1.sort()
        # nums2.sort()
        # while i < len(nums1) and j < len(nums2):
        #     if nums1[i] == nums2[j]:
        #         if not res or nums1[i] != res[-1]:
        #             res.append(nums1[i])
        #         i += 1
        #         j += 1
        #     elif nums1[i] < nums2[j]:
        #         i += 1
        #     else:
        #         j += 1
        # return res

哈希表：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。需要遍历两个数组并对哈希表进行操作，哈希表操作的时间复杂度是 $O(1)$，因此总时间复杂度与两个数组的长度和呈线性关系。
• 空间复杂度：$O(\min (m,n))$，其中 $m$ 和 $n$ 分别是两个数组的长度。对较短的数组进行哈希表的操作，哈希表的大小不会超过较短的数组的长度。为返回值创建一个数组 res，其长度为较短的数组的长度。

排序+双指针：复杂度分析

• 时间复杂度：$O(m\log m+n\log n)$，其中 $m$ 和 $n$ 分别是两个数组的长度。对两个数组进行排序的时间复杂度是 $O(m\log m+n\log n)$，遍历两个数组的时间复杂度是 $O(m+n)$，因此总时间复杂度是 $O(m\log m+n\log n)$。

• 空间复杂度：$O(\min (m,n))$，其中 $m$ 和 $n$ 分别是两个数组的长度。为返回值创建一个数组 res，其长度为较短的数组的长度。不过在 C++ 中，我们可以直接创建一个 vector，不需要把答案临时存放在一个额外的数组中，所以这种实现的空间复杂度为 $O(1)$。

结语：如果 $num{s}_2$ 的元素存储在磁盘上，磁盘内存是有限的，并且你不能一次加载所有的元素到内存中。那么就无法高效地对 $num{s}_2$ 进行排序，因此推荐使用方法一而不是方法二。在方法一中，$num{s}_2$ 只关系到查询操作，因此每次读取 $num{s}_2$ 中的一部分数据，并进行处理即可。