力扣高频|算法面试题汇总(八）：排序与检索

最新推荐文章于 2022-03-17 20:12:12 发布

NotFound1911

最新推荐文章于 2022-03-17 20:12:12 发布

阅读量553

点赞数 1

分类专栏：力扣

本文链接：https://blog.csdn.net/qq_24739717/article/details/105946766

版权

力扣专栏收录该内容

11 篇文章 5 订阅

订阅专栏

力扣高频|算法面试题汇总(八）：排序与检索

力扣链接
目录：

1.最大数
2.摆动排序 II
3.寻找峰值
4.寻找重复数
5.计算右侧小于当前元素的个数

1.最大数

给定一组非负整数，重新排列它们的顺序使之组成一个最大的整数。
示例 1:
输入: [10,2]
输出: 210
示例 2:
输入: [3,30,34,5,9]
输出: 9534330
说明: 输出结果可能非常大，所以你需要返回一个字符串而不是整数。

思路:
刚开始直接想的就是用字典排序，然后进行字符串拼接，但是遇到输入[3,30,34,5,9]，会得到输出9534303，但真正的最大值应该是9534330，所有需要自定义排序，比较 $30 + 3 > 3 + 30 ?$ 。
C++

class Solution {
public:
    static bool cmp(string& num1, string& num2) {
        string n1 = num1 + num2;
        string n2 = num2 + num1;
        return n1 > n2;
    }
    string largestNumber(vector<int>& nums) {
        vector<string> strNum;
        for(int i = 0; i < nums.size(); ++i){
            strNum.push_back(to_string(nums[i]));
        }
        sort(strNum.begin(), strNum.end(), cmp);
        string num;
        if (strNum[0] == "0")//考虑全零的情况
			return "0";
        for(int i = 0; i < strNum.size(); ++i)
            num += strNum[i];
        return num;
    }

};

Python

import functools
class Solution:
    def largestNumber(self, nums):
        # 自定义排序
        nums = sorted(nums, key=functools.cmp_to_key(self.cmp))
        if nums[0] == 0:
            return "0"
        num = ""
        for n in nums:
            num += str(n)
        return num
        
    def cmp(self, num1, num2):
        if str(num1) + str(num2) > str(num2) + str(num1):
            return -1
        else:
            return 1

2.摆动排序 II

给定一个无序的数组 nums，将它重新排列成 nums[0] < nums[1] > nums[2] < nums[3]… 的顺序。
示例 1:
输入: nums = [1, 5, 1, 1, 6, 4]
输出: 一个可能的答案是 [1, 4, 1, 5, 1, 6]
示例 2:
输入: nums = [1, 3, 2, 2, 3, 1]
输出: 一个可能的答案是 [2, 3, 1, 3, 1, 2]
说明:
你可以假设所有输入都会得到有效的结果。
进阶:
你能用 O(n) 时间复杂度和 / 或原地 O(1) 额外空间来实现吗？

思路：
参考大佬的思路：
1.先把数组排序，如把[1, 3, 2, 2, 3, 1]，排序成[1,1,2,2,3,3]
2.拆分成两个数组：奇数组[1,1,2]和偶数组[2,3,3],如果无法等分，保证奇数组长度大于偶数组长度即可，因为是把偶数组穿插到技术组中，且数组是升序。
3.把奇数组和偶数组分别逆序，如[2,1,1]和[3,3,2]。
4.偶数组穿插到奇数中:[2,3,1,3,1,2]
5.算法的实现复杂度 $O (n l o g n)$ ，空间复杂度 $O (n)$
C++

class Solution {
public:
    void wiggleSort(vector<int>& nums) {
        // 先排序
        sort(nums.begin(), nums.end());
        // 辅助数组
        vector<int> tempOdd;
        vector<int> tempEven;
        tempOdd.assign(nums.begin(), nums.begin() + (nums.size() +1)/ 2 );// 加1保证奇数数组比偶数数组大
        tempEven.assign(nums.begin() + (nums.size()+1) / 2, nums.end());// 这是因为偶数数组来穿插到奇数数组中
        // 逆序穿插
        int k = tempOdd.size() - 1;
        for (int i = 0; i < nums.size(); i += 2) {
            cout << "k:" << k << endl;
            nums[i] = tempOdd[k--];
        }

        k = tempEven.size() - 1;
        for (int i = 1; i < nums.size(); i += 2) {
            cout << "k:" << k << endl;
            nums[i] = tempEven[k--];
        }
    }
};

Python:

class Solution:
    def wiggleSort(self, nums: List[int]) -> None:
        """
        Do not return anything, modify nums in-place instead.
        """
        getNum = sorted(nums)
        tempOdd = getNum[: (len(nums)+1)//2]
        tempEven = getNum[(len(nums)+1)//2:]
        k = len(tempOdd) - 1
        for i in range(0, len(nums), 2):
            nums[i] = tempOdd[k]
            k -= 1
        k = len(tempEven) - 1
        for i in range(1, len(nums), 2):
            nums[i] = tempEven[k]
            k -= 1

思路2：
实现复杂度 $O (n)$ ，空间复杂度 $O (1)$ 的算法，还是参考刚刚的参考大佬的思路：
1.使用快速选择找到数组的中位数，实现时间复杂度 $O (n)$ 。因为不关心奇偶数组的内部排序，只关心奇数组的最大值小于等于偶数组的最小值（临界点），这个邻接点就是中位数。
2.使用虚地址进行映射，实现空间复杂度 $O (1)$ ，（这个nb），不够和上述思路不一样的是：上述思路是将奇数组(较小的数组)排前面，偶数组（较大的数组）排后面，现在将较大的数组排前面，较小的数组放后面，方便地址映射：#define A(i) nums[(1+2*(i)) % (n|1)]
C++

class Solution {
public:
    void wiggleSort(vector<int>& nums) {
        int n = nums.size();

        // Find a median.
        auto midptr = nums.begin() + n / 2;
        nth_element(nums.begin(), midptr, nums.end());
        int mid = *midptr;

        // Index-rewiring.
        #define A(i) nums[(1+2*(i)) % (n|1)]

        // 3-way-partition-to-wiggly in O(n) time with O(1) space.
        int i = 0, j = 0, k = n - 1;
        while (j <= k) {
            if (A(j) > mid)
                swap(A(i++), A(j++));
            else if (A(j) < mid)
                swap(A(j), A(k--));
            else
                j++;
        }
    }
};

3.寻找峰值

峰值元素是指其值大于左右相邻值的元素。
给定一个输入数组 nums，其中 nums[i] ≠ nums[i+1]，找到峰值元素并返回其索引。
数组可能包含多个峰值，在这种情况下，返回任何一个峰值所在位置即可。
你可以假设 nums[-1] = nums[n] = -∞。
示例 1:
输入: nums = [1,2,3,1]
输出: 2
解释: 3 是峰值元素，你的函数应该返回其索引 2。
示例 2:
输入: nums = [1,2,1,3,5,6,4]
输出: 1 或 5
解释: 你的函数可以返回索引 1，其峰值元素为 2；
或者返回索引 5，其峰值元素为 6。
说明:
你的解法应该是 O(logN) 时间复杂度的。

思路：
比较num[i]和num[i+1]的值即可。
峰值出现一般有三种情况：

1.数据呈现递增的趋势，那么峰值在末尾。
2.数据呈现递减的趋势，那么峰值在开头。
3.数据成波动的形式，那么峰值在第一个出现nums[i] > nums[i+1]的地方。
4.算法时间复杂度: $O (n)$
C++

class Solution {
public:
    int findPeakElement(vector<int>& nums) {
        for(int i = 0; i <nums.size() - 1; ++i)
            if(nums[i] > nums[i+1])
                return i;
        return nums.size() -1;
    }
};

Python

class Solution:
    def findPeakElement(self, nums: List[int]) -> int:
        for i in range(len(nums) -1):
            if nums[i] > nums[i+1]:
                return i
        return len(nums)-1

思路2：
使用递归。每次计算start和end的中间数mid。如果mid大于mid+1的数，则峰值在左边，否则在右边。边界条件为：end == start。
时间复杂度 : $O (l o g n)$ ,空间复杂度 $O (l o g n)$ 。

class Solution {
public:
    int findPeakElement(vector<int>& nums) {
        //  输入 数组、 起始点、 截止点、 中间数
        return findPeakElementCore(nums, 0, nums.size() - 1);
    }
    int findPeakElementCore(vector<int>& nums, int start, int end){
        if(start == end)
            return start;
        int mid = (end + start)/ 2 ;
        if(nums[mid] <= nums[mid + 1])
            return findPeakElementCore(nums, mid + 1, end);// 峰值在右边
        else
            return findPeakElementCore(nums, start, mid);// 峰值在左边      
    }
};

Python

class Solution:
    def findPeakElement(self, nums: List[int]) -> int:
        return self.findPeakElementCore(nums, 0 , len(nums) - 1)
    def findPeakElementCore(self, nums, start, end):
        if start == end:
            return start
        mid = (start + end)//2
        if nums[mid] <= nums[mid + 1]:
            return self.findPeakElementCore(nums, mid + 1, end)
        else:
            return self.findPeakElementCore(nums, start, mid)

思路3：
在思路2的基础上进一步优化，使用迭代递归，这样时间复杂度不变，但空间复杂度降为 $O (1)$
C++

class Solution {
public:
    int findPeakElement(vector<int>& nums) {
        int start = 0;
        int end = nums.size() - 1;
        
        while(start < end){
            int mid = (start + end)/2;
            if(nums[mid] < nums[mid+ 1] )
                start = mid + 1;
            else
                end = mid;
        }
        return start;
    }
};

Python

class Solution:
    def findPeakElement(self, nums: List[int]) -> int:
        start = 0
        end = len(nums) - 1
        while start < end:
            mid = (start + end) // 2
            if nums[mid] <= nums[mid + 1]:
                start = mid + 1
            else:
                end = mid
        return start

4.寻找重复数

给定一个包含 n + 1 个整数的数组 nums，其数字都在 1 到 n 之间（包括 1 和 n），可知至少存在一个重复的整数。假设只有一个重复的整数，找出这个重复的数。
示例 1:
输入: [1,3,4,2,2]
输出: 2
示例 2:
输入: [3,1,3,4,2]
输出: 3
说明：
不能更改原数组（假设数组是只读的）。
只能使用额外的 O(1) 的空间。
时间复杂度小于 O(n2) 。
数组中只有一个重复的数字，但它可能不止重复出现一次。

思路：
先进行排序，重复的数字必定相邻，时间复杂度 $O (n l g n + n)$ ，空间复杂度 $O (1) (o r O (n))$ 。产生副本为O(n)。
C++

class Solution {
public:
    int findDuplicate(vector<int>& nums) {
        sort(nums.begin(), nums.end());
        for(int i = 0; i < nums.size() - 1; ++i){
            if(nums[i] == nums[i + 1])
                return nums[i];
        }
        return 0;
    }
};

Python

class Solution:
    def findDuplicate(self, nums: List[int]) -> int:
        nums = sorted(nums)
        for i in range(len(nums) - 1):
            if nums[i] == nums[i+1]:
                return nums[i]
        return 0

思路2：
把数据想象成链表，使用快慢指针查找。
数组：num[val] = next,起索引模拟成链表的值，其索引对应的值模拟成下一个链表的地址(索引)。由于存在重复的数字，在存在相同的映射，使得这个链表成环。如val1 = val2，则num[val1] = num[val2];。
步骤如下：

1.先使用快慢指针找到第一个相遇的点。
2.把慢指针复位为0，快指针位置不变，但没错移动和慢指针一样，只移动一次。
3.快慢指针相遇的前一个点，则为重复的数字。
这个思路和环形链表找到入口节点基本一致。这个时间复杂度 $O (n)$ ,空间复杂度 $O (1)$

C++

class Solution {
public:
int findDuplicate(vector<int>& nums) {
    int pFast = 0;
    int pSlow = 0;
    do{
        pFast = nums[pFast];
        pFast = nums[pFast];
        pSlow = nums[pSlow];
    }while(pFast != pSlow);
    //cout<<"pFast:"<<pFast<<" pSlow:"<<pSlow<<endl;
    pSlow = 0;
    while(nums[pFast] != nums[pSlow]){
        pSlow = nums[pSlow];
        pFast = nums[pFast];
    }
    return nums[pFast];
}
};

Python:

class Solution:
    def findDuplicate(self, nums: List[int]) -> int:
        pFast = 0
        pSlow = 0
        while True:
            pFast = nums[pFast]
            pFast = nums[pFast]
            pSlow = nums[pSlow]
            if pSlow == pFast:
                break
        pSlow = 0
        while nums[pFast] != nums[pSlow]:
            pFast = nums[pFast]
            pSlow = nums[pSlow]
        return nums[pSlow]

5.计算右侧小于当前元素的个数

给定一个整数数组 nums，按要求返回一个新数组 counts。数组 counts 有该性质： counts[i] 的值是 nums[i] 右侧小于 nums[i] 的元素的数量。
示例:
输入: [5,2,6,1]
输出: [2,1,1,0]
解释:
5 的右侧有 2 个更小的元素 (2 和 1).
2 的右侧仅有 1 个更小的元素 (1).
6 的右侧有 1 个更小的元素 (1).
1 的右侧有 0 个更小的元素.

思路：
参考大佬巧妙的思路，总结一下：
1.从右往左遍历，因为需要记录比遍历数字小的元素，所以用一个排序数组(从小到大)存储每一次遍历的结果。
2.获取遍历的元素，计算这个元素插入需要插入到这个排序数组中的索引，由于数组是从小到大的，那么这个索引其实就是比当前数字小的个数。
3.把索引值放入结果中。
4.逆序输出结果。
算法的复杂度的上界为： $O (n l o g n)$

C++

class Solution {
public:
    vector<int> countSmaller(vector<int>& nums) {
        vector<int> sortNums;
        vector<int> res;
        for(auto itear = nums.rbegin(); itear < nums.rend(); ++itear){
            // 寻找索引
            // lower_bound()返回第一个大于等于x的数的地址
            int index = lower_bound(sortNums.begin(), sortNums.end(), *itear) - sortNums.begin();
            res.push_back(index);
            // 插入排序数组
            sortNums.insert(sortNums.begin() + index, *itear);
        }
        // 逆序
        reverse(res.begin(),res.end());
        return res;
    }
};

Python：

class Solution:
    def countSmaller(self, nums: List[int]) -> List[int]:
        sortList = []
        res = []
        for num in reversed(nums):
            # 判断数字的插入位置 索引对应即有多少个比当前小数字小的数字
            index = bisect.bisect_left(sortList, num)
            # 索引即结果，存储
            res.append(index)
            # 将数字插入排序列表
            sortList.insert(index, num)
        # 逆序输出
        return res[::-1]

NotFound1911

关注

1
点赞
踩
2

收藏

觉得还不错? 一键收藏
0
评论
力扣高频|算法面试题汇总(八）：排序与检索

力扣高频|算法面试题汇总(八）：排序与检索力扣链接目录：1.最大数1.最大数给定一组非负整数，重新排列它们的顺序使之组成一个最大的整数。示例 1:输入: [10,2]输出: 210示例 2:输入: [3,30,34,5,9]输出: 9534330说明: 输出结果可能非常大，所以你需要返回一个字符串而不是整数。思路:刚开始直接想的就是用字典排序，然后进行字符串拼接...
复制链接

扫一扫