代码随想录训练营 Day1打卡 数组part01
一、 数组理论基础
在Python中,数组通常是指列表(list),尽管还有其他形式的数组,如元组(tuple)和NumPy库中的数组。这里我们主要讨论Python的列表,因为它是最常用的数组形式之一。
Python的列表是可变的数据结构,能够存储不同类型的元素,如整数、字符串、对象等。列表是动态数组,其大小和内容可以随时改变。
# 创建列表
my_list = [1, 2, 3, 4]
# 访问元素:
print(my_list[0]) # 输出 1
# 添加元素:
my_list.append(5) # 现在列表变为 [1, 2, 3, 4, 5]
# 删除元素:
del my_list[2] # 删除索引为2的元素,列表变为 [1, 2, 4, 5]
数组的内存空间地址
在Python中,列表存储的是对其元素的引用,而不是数据本身。这意味着列表中的每个元素都可以看作是指向内存中对象的指针。
内存地址 : 使用id()函数可以获取对象的内存地址,这个地址表示Python对象在内存中的位置。
a = 1
print(id(a)) # 输出变量a的内存地址
# 对于列表来说:
my_list = [1, 2, 3]
print(id(my_list)) # 输出整个列表的内存地址
print(id(my_list[0])) # 输出列表中第一个元素的内存地址
数组与内存
由于Python的动态性,列表的内存管理相对复杂。当列表增长时,Python可能会重新分配整个列表的内存以适应更多的元素。这是因为列表可能需要更多连续的内存空间。
列表的内存扩展
Python的列表实现了一个动态数组。当元素添加到列表中,且现有的内存空间不足以存储更多元素时,Python会分配一块更大的内存块来存储列表的元素,并将旧元素复制到新的内存块中。
这种动态内存管理方式使得Python列表在处理可变大小的数据集时非常灵活,但也可能导致内存使用不如静态类型语言(如C或C++中的数组)高效。
Python的内存管理和垃圾收集机制确保了不再使用的对象会被自动回收,这有助于减少内存泄漏和其他内存相关的问题。
二、力扣704. 二分查找
给定一个 n 个元素有序的(升序)整型数组 nums 和一个目标值 target ,写一个函数搜索 nums 中的 target,如果目标值存在返回下标,否则返回 -1。
示例 1:
输入: nums = [-1,0,3,5,9,12], target = 9
输出: 4
解释: 9 出现在 nums 中并且下标为 4
示例 2:
输入: nums = [-1,0,3,5,9,12], target = 2
输出: -1
解释: 2 不存在 nums 中因此返回 -1
算法思路
初始化指针:设立两个指针,left 和 right,分别指向数组的起始位置(下标为0)和终止位置(下标为n-1,其中n是数组长度)。这样就定义了一个搜索区间[left, right)或[left, right]。
循环条件:当left <= right时(对于左闭右闭区间),或left < right时(对于左闭右开区间),进入循环执行查找过程。这意味着搜索区间非空。
计算中间点:为了避免大数导致的整型溢出,通常使用(left + right) // 2 或 left + (right - left) // 2 来安全地获取中间索引middle。
比较并调整指针:
如果nums[middle] == target,找到了目标值,直接返回middle作为其索引。
如果nums[middle] > target,说明目标值在左半部分(对于升序数组),因此将搜索区间调整为[left, middle - 1](左闭右闭)或[left, middle)(左闭右开)。
如果nums[middle] < target,说明目标值在右半部分,将搜索区间调整为[middle + 1, right](左闭右闭)或[middle + 1, right)(左闭右开)。
循环结束处理:如果循环结束后还没有找到目标值,表明目标值不在数组中,返回-1。
版本一 左闭右闭区间
class Solution:
def search(self, nums: List[int], target: int) -> int:
left, right = 0, len(nums) - 1 # 定义target在左闭右闭的区间里,[left, right]
while left <= right:
middle = left + (right - left) // 2
if nums[middle] > target:
right = middle - 1 # target在左区间,所以[left, middle - 1]
elif nums[middle] < target:
left = middle + 1 # target在右区间,所以[middle + 1, right]
else:
return middle # 数组中找到目标值,直接返回下标
return -1 # 未找到目标值
版本二 左闭右开区间
class Solution:
def search(self, nums: List[int], target: int) -> int:
left, right = 0, len(nums) # 定义target在左闭右开的区间里,即:[left, right)
while left < right: # 因为left == right的时候,在[left, right)是无效的空间,所以使用 <
middle = left + (right - left) // 2
if nums[middle] > target:
right = middle # target 在左区间,在[left, middle)中
elif nums[middle] < target:
left = middle + 1 # target 在右区间,在[middle + 1, right)中
else:
return middle # 数组中找到目标值,直接返回下标
return -1 # 未找到目标值
三、移除元素
给你一个数组 nums 和一个值 val,你需要 原地 移除所有数值等于 val 的元素。元素的顺序可能发生改变。然后返回 nums 中与 val 不同的元素的数量。
假设 nums 中不等于 val 的元素数量为 k,要通过此题,您需要执行以下操作:
更改 nums 数组,使 nums 的前 k 个元素包含不等于 val 的元素。nums 的其余元素和 nums 的大小并不重要。
返回 k。
示例 1:
输入:nums = [3,2,2,3], val = 3
输出:2, nums = [2,2,,]
解释:你的函数函数应该返回 k = 2, 并且 nums 中的前两个元素均为 2。
你在返回的 k 个元素之外留下了什么并不重要(因此它们并不计入评测)。
示例 2:
输入:nums = [0,1,2,2,3,0,4,2], val = 2
输出:5, nums = [0,1,4,0,3,,,_]
解释:你的函数应该返回 k = 5,并且 nums 中的前五个元素为 0,0,1,3,4。
注意这五个元素可以任意顺序返回。
你在返回的 k 个元素之外留下了什么并不重要(因此它们并不计入评测)。
版本一 快慢指针法
定义快慢指针
快指针:寻找新数组的元素 ,新数组就是不含有目标元素的数组
慢指针:指向更新 新数组下标的位置
class Solution:
def removeElement(self, nums: List[int], val: int) -> int:
# 快慢指针
fast = 0 # 快指针
slow = 0 # 慢指针
size = len(nums)
while fast < size: # 不加等于是因为,a = size 时,nums[a] 会越界
# slow 用来收集不等于 val 的值,如果 fast 对应值不等于 val,则把它与 slow 替换
if nums[fast] != val:
nums[slow] = nums[fast]
slow += 1
fast += 1
return slow
(快慢指针法) 是一种非常高效的解决方案,时间复杂度为O(n),它只遍历数组一次。快指针用于遍历整个数组,慢指针则用来记录新的数组的有效长度。当遇到不等于val的元素时,就将其移到慢指针的位置,以此达到原地移除的效果。这种方法空间复杂度为O(1),是这个问题的推荐解法。
版本二 暴力法
class Solution:
def removeElement(self, nums: List[int], val: int) -> int:
i, l = 0, len(nums)
while i < l:
if nums[i] == val: # 找到等于目标值的节点
for j in range(i+1, l): # 移除该元素,并将后面元素向前平移
nums[j - 1] = nums[j]
l -= 1
i -= 1
i += 1
return l
(暴力法) 也是遍历数组,但其内部包含了一个循环用于元素的移动,导致其平均时间复杂度上升至O(n^2),在数组中存在大量目标值时性能较差。虽然这个方法直观展示了如何直接移除元素并前移数组内容,但效率低下,不是最优解。
版本三 相向双指针法
class Solution:
def removeElement(self, nums: List[int], val: int) -> int:
n = len(nums)
left, right = 0, n - 1
while left <= right:
while left <= right and nums[left] != val:
left += 1
while left <= right and nums[right] == val:
right -= 1
if left < right:
nums[left] = nums[right]
left += 1
right -= 1
return left
(相向双指针法) 采用了双指针技巧,左指针left从头开始,右指针right从尾部开始。当nums[left]不等于val时,直接递增left;当nums[right]等于val时,递减right。
这样做的目的是尽量减少交换操作,直到左右指针相遇,此时left即为新数组的有效长度。这种方法同样保持了O(n)的时间复杂度和O(1)的空间复杂度,且代码实现相对简洁高效。
总结
二分查找
版本一(左闭右闭区间) 和 版本二(左闭右开区间) 都实现了二分查找算法来解决查找目标值的问题,但采用了不同的区间定义方式。
对于二分查找问题,选择左闭右闭还是左闭右开主要看个人偏好,但左闭右开区间在数学上更严谨,逻辑上稍显清晰。
移除元素
在解决“移除元素”问题时,快慢指针法(版本一)因其实现简单且效率高而成为首选。
相向双指针法(版本三)也是一种优雅且高效的解决方案,尤其在处理特定情况时有其优势。
暴力法(版本二)虽直观,但因其较低的效率,在实际应用中应避免使用。