Solution 1: 滑动窗口
超出时间限制的方案
这种解法的思路也是维护一个大小是(k+1)窗口,但是在具体实现方面如果采用python的list,那么Note(*)部分查找list中是否存在当前元素超过时间限制
class Solution(object):
def containsNearbyDuplicate(self, nums, k):
"""
:type nums: List[int]
:type k: int
:rtype: bool
"""
hash_list = []
for num in nums:
if len(hash_list) == (k+1):
hash_list.pop(0) # 删除头元素,标志是0
if num in hash_list:
# 删除头元素之后仍然存在num元素,返回True
return True
else:
# 否则添加num元素
hash_list.append(num)
return False
参考题解
这种解法是Solution 3的优化,将Solution 3的哈希表空间复杂度降低到O(k),需要注意的是在具体实现方面,如果采用python的集合set,也不需要记录滑动窗口开始的下标,因为当前元素下标-k-1是滑动窗口开始元素的下标
参考题解:https://leetcode.cn/problems/contains-duplicate-ii/solutions/13564/hua-jie-suan-fa-219-cun-zai-zhong-fu-yuan-su-ii-by/
参考题解的思路很妙啊,非常巧妙的利用的hashset的不重复性以及限制元素个数确定存在的重复元素。
class Solution:
def containsNearbyDuplicate(self, nums: List[int], k: int) -> bool:
s = set()
for i, num in enumerate(nums):
if i > k:
s.remove(nums[i - k - 1])
if num in s:
return True
s.add(num)
return False
根据官方题解的思路复现代码
容易出现bug的地方:
Note(1) 如果当前指针>=k,注意这里k是从1计数的,当前指针i是从0开始计数的,所以滑动窗口的第一个元素是nums[i-k]
Note(2) 这里没有判断集合的长度,也就是滑动窗口的长度,因为数组遍历从前往后遍历,i不足k的时候,不断往滑动窗口也就是集合增加元素,i>=k的时候(不是i==k),滑动窗口已经填满了
class Solution:
def containsNearbyDuplicate(self, nums: List[int], k: int) -> bool:
s = set() # 用集合存放滑动窗口的元素,注意集合的元素是有序排列的,pop操作弹出最后一个元素,不一定是滑动窗口的开始元素
for i, item in enumerate(nums):
# 如果当前元素在集合中,那么返回True
if item in s:
return True
# 如果当前元素不在集合中,那么执行下面的操作
# 将当前元素添加到集合中
s.add(item)
# Note(1) 如果当前指针>=k,注意这里k是从1计数的,当前指针i是从0开始计数的,所以滑动窗口的第一个元素是nums[i-k]
# Note(2) 这里没有判断集合的长度,也就是滑动窗口的长度,因为数组遍历从前往后遍历,i不足k的时候,不断往滑动窗口也就是集合增加元素,i>=k的时候(不是i==k),滑动窗口已经填满了
if i >= k:
s.remove(nums[i - k])
return False
Solution 2:两个哈希表分别记录次数和出现的位置
class Solution(object):
def containsNearbyDuplicate(self, nums, k):
"""
:type nums: List[int]
:type k: int
:rtype: bool
"""
hash_map_time = {} # 记录次数
hash_map_loc = {} # 记录出现的位置
for i in range(0, len(nums)):
if not hash_map_time.has_key(nums[i]):
# 第一次出现,记录出现的次数是1,并且记录出现的位置
hash_map_time[nums[i]] = (1, i)
else:
# 不是第一次出现,记录的次数加1
# 如果下一次出现的位置和已经保存的位置绝对值之差小于等于k,返回True
if abs(i - hash_map_time[nums[i]][1]) <= k:
return True
# 如果下一次出现的位置和已经保存的位置绝对值之差大于k -> 记录次数+1,更新为下一次出现的位置
else:
hash_map_time[nums[i]] = (hash_map_time[nums[i]][0]+1, i)
return False
Solution 3: 优化哈希表逻辑
时间复杂度:O(N)
空间复杂度:哈希表的空间复杂度O(N)
class Solution:
def containsNearbyDuplicate(self, nums: List[int], k: int) -> bool:
# 使用一个哈希表,记录元素上一次出现的下标
hash_map = {}
for i in range(0, len(nums)):
# 当前元素在哈希表中,并且(当前下标 - 哈希表记录的元素上一次出现的下标) <=k,那么返回True
if nums[i] in hash_map and (i - hash_map[nums[i]]) <= k:
return True
# 接下来,更新哈希表,它包含两个情况
#(1)当前元素不在哈希表中,那么记录当前元素下标
# (2) 当前元素在哈希表中,但是(当前下标 - 哈希表记录的元素上一次出现的下标) <=k,那么记录新的下标,即使后面再出现这个元素,计算下标也只和上一次相同元素下标有关,不会再和上上一次相同元素下标有关
hash_map[nums[i]] = i
return False