Leetcode No.1-两数之和（简单）——Java/Python

难度：简单

给定一个整数数组 nums 和一个目标值 target，请你在该数组中找出和为目标值的那 两个 整数，并返回他们的数组下标。
你可以假设每种输入只会对应一个答案。但是，你不能重复利用这个数组中同样的元素。

示例:
给定 nums = [2, 7, 11, 15], target = 9
因为 nums[0] + nums[1] = 2 + 7 = 9
所以返回 [0, 1]

 

方法一：（暴力法）

暴力法很简单，遍历每个元素$x$，并查找是否存在一个值与 $target-x$相等的目标元素。

class Solution {
    public int[] twoSum(int[] nums, int target) {
        int[] index = new int[2];
        for(int i=0;i<nums.length;i++){
			for(int j=i+1;j<nums.length;j++){
				if((nums[i]+nums[j]) == target){
                    /*index[0]=i;
                    index[1]=j;
	                return index;*/
                    return new int[] { i, j };
                    //可以直接new一个数组向里加入i，j元素然后返回
				}
			}
		}
        throw new IllegalArgumentException("No two sum solution");   
    }
 }

• 注：非法参数异常

  throw new IllegalArgumentException
  使用 throw 方法，例如，抛出一个新的参数异常，不必通过返回值。

复杂度分析：

• 时间复杂度：对于每个元素，我们试图通过遍历数组的其余部分来寻找它所对应的目标元素，这将耗费$O(n)$的时间。因此时间复杂度为 $O(n^2)$
• 空间复杂度：$O(1)$
   

方法二：（两遍Hash表）

为了对运行时间复杂度进行优化，我们需要一种更有效的方法来检查数组中是否存在目标元素。如果存在，我们需要找出它的索引。

保持数组中的每个元素与其索引相互对应的最好方法是什么？哈希表。

通过以空间换取速度的方式，我们可以将查找时间从$O(n)$ 降低到 $O(1)$。
哈希表正是为此目的而构建的，它支持以近似恒定的时间进行快速查找。
我用“近似”来描述，是因为一旦出现冲突，查找用时可能会退化到$O(n)$。但只要你仔细地挑选哈希函数，在哈希表中进行查找的用时应当被摊销为 $O(1)$。

一个简单的实现使用了两次迭代。
第一次迭代，我们将每个元素的值和它的索引添加到Hash表中。
第二次迭代，我们将检查每个元素所对应的 目标元素$(target-nums[i])$ 是否存在于表中。
其中需要注意，该目标元素不能是$nums[i]$ 本身！

class Solution {
    public int[] twoSum(int[] nums, int target) {
        //new一个hash表
        Map<Integer, Integer> map = new HashMap<>();
        //1.把nums数组中每个元素的值和索引，都存入哈希表，一一对应
        for (int i = 0; i < nums.length; i++) {
            map.put(nums[i], i);  //键名，有点像python中的字典的键值对
        }
        /*2.检查nums数组中的 每个元素nums[i] 所对应的目标元素target-nums[i] 是否存在于表中，且该目标元素不能是nums[I]本身。
        	若找到，返回元素索引和目标元素索引
        */
        for (int i = 0; i < nums.length; i++) {
            int complement = target - nums[i];  //定义目标元素的值
            //查找complement是否存在于表中，且这个complement对应的下标不能是i
            if (map.containsKey(complement) && map.get(complement) != i) {
                return new int[] { i, map.get(complement) };
            }
        }
        throw new IllegalArgumentException("No two sum solution");
    }
}

知识盲点：

• 哈希表

散列表（Hash table，也叫哈希表），是根据关键码值(Key value)而直接进行访问的数据结构。也就是说，它通过把关键码值映射到表中一个位置来访问记录，以加快查找的速度。这个映射函数叫做散列函数，存放记录的数组叫做散列表。

• $map.put(key,value)$：前面是键名，后面是键值，存入哈希表
• $map.containsKey()$与$map.get():$

1. map.containsKey(Object key)：判断Map集合对象中是否包含指定的键名
2. map.get(Object key)：输入键名，返回键值

• 注：map集合允许值对象为null，并且没有个数限制，所以当get()方法的返回值为null时，可能有两种情况：一种是在集合中没有该键对象；另一种是该键对象没有映射任何值对象，即值对象为null。因此，在Map集合中不应该利用get()方法来判断是否存在某个键，而应该利用containsKey()方法来判断。

复杂度分析：

• 时间复杂度：我们把包含有$n$个元素的列表遍历两次。由于哈希表将查找时间缩短到 $O(1)$ ，所以时间复杂度为
  $O(n)$
• 空间复杂度：$O(n)$，
  所需的额外空间取决于哈希表中存储的元素数量，该表中存储了$n$个元素。
   

方法三：（一遍哈希表）

事实证明，我们可以一次完成。
在进行迭代并将元素插入到表中的同时，我们还会回过头来检查表中是否已经存在当前元素所对应的目标元素。如果它存在，那我们已经找到了对应解，并立即将其返回。

class Solution {
    public int[] twoSum(int[] nums, int target) {
        Map<Integer, Integer> map = new HashMap<>();
        for (int i = 0; i < nums.length; i++) {
            if (map.containsKey(target - nums[i])) {
                return new int[] { map.get(target - nums[i]), i };
            }
            map.put(nums[i], i);
        }
        throw new IllegalArgumentException("No two sum solution");
    }
}

复杂度分析：

• 时间复杂度：我们只遍历了包含有$n$个元素的列表一次。在表中进行的每次查找只花费 $O(1)$的时间。所以时间复杂度为 $O(n)$。
• 空间复杂度：为$O(n)$所需的额外空间取决于哈希表中存储的元素数量，该表最多需要存储$n$个元素。

这种思想下，我们如果用Python中的字典和enumerate函数来解决，那就再直观简单不过了。

class Solution(object):
    def twoSum(self, nums, target):
        """
        :type nums: List[int]
        :type target: int
        :rtype: List[int]
        """ 
        mapping = {}
        for i, num in enumerate(nums):
            if target-num in mapping:
                return [mapping[target-num], i]
            mapping[num] = i