[每日一题001]找出不同元素数目差数组

每日挑战(C++ 算法版)

在这里，我将开始每天练习LeetCode算法题，并将个人解决方案放在这里。

目录

每日挑战(C++ 算法版)

需求介绍

个人分析

代码实现

总结

---

---

需求介绍

给你一个下标从 0 开始的数组 nums ，数组长度为 n 。

nums 的不同元素数目差 数组可以用一个长度为 n 的数组 diff 表示，其中 diff[i] 等于前缀 nums[0, ..., i] 中不同元素的数目 减去 后缀 nums[i + 1, ..., n - 1] 中不同元素的数目。

返回 nums 的 不同元素数目差 数组。

注意 nums[i, ..., j] 表示 nums 的一个从下标 i 开始到下标 j 结束的子数组（包含下标 i 和 j 对应元素）。特别需要说明的是，如果 i > j ，则 nums[i, ..., j] 表示一个空子数组。

要求：

• 1 <= n == nums.length <= 50
• 1 <= nums[i] <= 50

个人分析

看到这个题目，我首先想到的就是使用哈希表进行处理。从算法要求能看出来，这个nums数组的大小并不大，并且nums数组中的元素值范围很小。从要求来看，我选择使用数组作为哈希表(这里我称为为哈希表数组)，其中哈希表数组的key为nums数组中元素值的范围，哈希表数组的value为nums数组中的key的数量。

例如：

• nums[1, 2, 3, 4, 5]，那么构造的哈希表数组为[0, 1, 1, 1, 1, 1, 0, ...]。
• nums[3, 2, 3, 4, 2]，那么构造的哈希表数组为[0, 0, 2, 2, 1, 0, 0, ...]。

这个需求计算前缀中不同元素的数目减去后缀中不同元素的数目。因此核心是在算法上可以将数组分为前缀后缀，分别对前缀与后缀进行计算。

我的想法如下：

1. 使用前缀数组与后缀数组进行数据存储。
2. 对数组进行遍历，将数据存储在后缀数组中。
3. 对数组进行重新遍历，以此将数据从后缀数组中放到前缀数组中。并对数据进行分析，将计算结果放在result中。

实现细节：

1. 为了使得代码可读性更高，我将前缀数组与后缀数组分为3个部分。
   1. 第一个部分就是上文提到的哈希表数组，用来存放该元素的个数。
   2. 第三个部分是使用一个整型数值，用来保存不同元素的数量。

代码实现

class Solution {
public:
    vector<int> distinctDifferenceArray(vector<int>& nums) {
        vector<int> result; // 用于存放结果的数组
        vector<int> prefix(51);    // 前缀哈希表数组
        int prefix_num = 0;    // 前缀数组中不同元素的个数
        vector<int> suffix(51);    // 后缀哈希表数组
        int suffix_num = 0;     // 后数组中不同元素的个数

        // 对应第二步
        for(int i = 0; i < nums.size(); i++)
        {
            if(!suffix[nums[i]])
            {
                suffix_num += 1;
            }
            suffix[nums[i]] += 1;
        }

        //对应第三步
        for(int i = 0; i < nums.size(); i++)
        {
            if(!prefix[nums[i]])
            {
                prefix_num += 1;
            }
            prefix[nums[i]] += 1;

            suffix[nums[i]] -= 1;
            if(!suffix[nums[i]])
            {
                suffix_num -= 1;                
            }
            result.push_back(prefix_num - suffix_num);
        }
        return result;
    }
};

总结

上述代码在leetcode中时间上击败了93.%和内存上21.7%的对手。