169.多数元素

给定一个大小为 n 的数组 nums ，返回其中的多数元素。多数元素是指在数组中出现次数 大于 ⌊ n/2 ⌋ 的元素。

你可以假设数组是非空的，并且给定的数组总是存在多数元素。

示例 1：

输入：nums = [3,2,3]
输出：3

示例 2：

输入：nums = [2,2,1,1,1,2,2]
输出：2

提示：

• n == nums.length
• 1 <= n <= 5 * 104
• -109 <= nums[i] <= 109

进阶：尝试设计时间复杂度为 O(n)、空间复杂度为 O(1) 的算法解决此问题。

Go语言解答

方法1：这个思想简单，主要是从数学的角度思考，如果是有序的话，那这个数的数量比[n/2]大，那这个数的中位数一定是所求的数,代码就更简单了，时间复杂度为O(nlogn)，主要是排序的花销，空间复杂度一般为O(logn)

func majorityElement(nums []int) int {
    sort.Ints(nums)
    return nums[len(nums)/2]
}

方法2:通过哈希表的唯一性

如果只是要单纯做对这道题，最直观的思想就是，将其存入map中，利用map[value]=number,只要遍历一遍，就能将所有的数组值当作键存入map中，对应的数量也能存入到对应的键值对里去。然后再遍历一遍，就能知道大于n/2的数值了。

func majorityElement(nums []int) int {
    numMap:=make(map[int]int)
    for i:=0;i<len(nums);i++{
        if _,exists:=numMap[nums[i]];exists{
            numMap[nums[i]]+=1
        }else{
            numMap[nums[i]]=1
        }
    }
    result:=0
    for i,j :=range numMap{
        if j>len(nums)/2{
            result=i
            break
        }
    }
    return result
}

当然，实际上最后一个遍历循环不是很必要，我们只要在第一个循环里稍加判断即可。

func majorityElement(nums []int) int {
    numMap:=make(map[int]int)
    result:=0
    if len(nums)==1{
            return nums[0]//长度为1要单独判断，不要放在循环里，否则每次都判断要判断，浪费时间
        }
    for i:=0;i<len(nums);i++{
        if _,exists:=numMap[nums[i]];exists{
            numMap[nums[i]]+=1
            if numMap[nums[i]]>len(nums)/2{
                result=nums[i]
                return result
            }
        }else{
            numMap[nums[i]]=1
        }
    }
    return result
}

不过需要注意的是，这种做法需要单独判断只有一个元素的时候。时间复杂度为O(n)，但是空间复杂度为O(n)代表算法还是能继续优化。

方法3：Boyer-Moore 投票算法（即摩尔投票算法）

blibli上有一个讲解这个比较清楚的视频。

 【算法】摩尔投票法】 https://www.bilibili.com/video/BV1Co4y1y7LL/?share_source=copy_web&vd_source=193214ca836ec4320c8aae0b28c01232

func majorityElement(nums []int) int {
    thisNum:=nums[0]//假设当前的元素为多数元素
    times:=1//出现的次数
    for i:=1;i<len(nums);i++{ //从i=1开始，因为thisNum初始化为num[0]
        if times==0{
            thisNum=nums[i]//更新thisNum
            times++
        }else if nums[i]==thisNum{
            times++ //次数增加
        }else {
            times--//抵消次数
        }
    }
    return thisNum
}

时间复杂度就是O(n)，空间复杂度为O(1)，是一个很好的算法。