有序数组的平方
给你一个按 非递减顺序 排序的整数数组 nums
,返回 每个数字的平方 组成的新数组,要求也按 非递减顺序 排序。
示例 1:
输入:nums = [-4,-1,0,3,10] 输出:[0,1,9,16,100] 解释:平方后,数组变为 [16,1,0,9,100] 排序后,数组变为 [0,1,9,16,100]
非递减排序,考虑负数存在,则直接对原数组求平方,得到的数组排序顺序必然是两边大中间小,则可以比较首尾大小,将较大值放入另一个新数组的末位,然后由两侧向中间遍历,最后两个flag指向的位置必定是同一位置,也必然是最小值(可能不唯一):
class Solution {
public:
vector<int> sortedSquares(vector<int>& nums) {
vector<int> NewArray(nums.size(),0);
int k = nums.size()-1;
for(int i = 0, j= nums.size()-1; i <= j; ){
/*注意此处判定条件i=j,是因为非递减数组的最小值肯定在中间取等时
即最小值放到新数组第一位,跳出循环*/
if(nums[i]*nums[i]<nums[j]*nums[j]){
NewArray[k--] = nums[j]*nums[j];
j--;
}
else{
NewArray[k--] = nums[i]*nums[i];
i++;
}
}
return NewArray;
}
};
长度最小的子数组
给定一个含有 n
个正整数的数组和一个正整数 target
。找出该数组中满足其总和大于等于 target
的长度最小的 连续子数组[numsl, numsl+1, ..., numsr-1, numsr]
,并返回其长度。如果不存在符合条件的子数组,返回 0
。
示例 1:
输入:target = 7, nums = [2,3,1,2,4,3]
输出:2
解释:子数组 [4,3]
是该条件下的长度最小的子数组。
示例 2:
输入:target = 4, nums = [1,4,4] 输出:1
示例 3:
输入:target = 11, nums = [1,1,1,1,1,1,1,1] 输出:0
暴力法,两层for循环,依次遍历所有可能的子数组,然后依次比较每个子数组的长度大小得到,虽然肯定不能用时间复杂度这么高的方法,但是可以写出来锻炼下自己的代码能力:
class Solution {
public:
int minSubArrayLen(int target, vector<int>& nums) {
int Output = INT32_MAX;//取最大值,则判断任意长度的子序列判断存在时均可使用此参考值
int Sums = 0;
int SubLength = 0;
for(int i = 0; i < nums.size(); i++){
Sums = 0;
for(int j = i; j < nums.size(); j++){
Sums = Sums + nums[j];
if(Sums >= target){
SubLength = j-i+1;
Output = SubLength > Output ? Output : SubLength;
break;
}
}
}
return Output == INT32_MAX ? 0: Output;
}
};
接下来尝试采取之前所使用的双指针方法降低时间复杂度:取FastPtr、SlowPtr于首位,与暴力法一致,先取FastPtr从首位开始右移遍历,当首次出现Sums>=target的情况,中止遍历,然后再将SlowPtr右移,当闭区间内的Sums<target之后,再次右移FastPtr使Sums>=target,如此循环直到遍历到数组末位,即可得到子数组的最小长度:
class Solution {
public:
int minSubArrayLen(int target, vector<int>& nums) {
int Output = INT32_MAX;
int SubLength = 0;
int Sums = 0;
int SP = 0;
for(int FP = 0; FP < nums.size(); FP++){
Sums += nums[FP];
while(Sums >= target){
SubLength = FP-SP+1;
Output = SubLength < Output ? SubLength : Output;
Sums-=nums[SP++];//相当于右移SlowPtr的同时减去第一位
}
}
return Output == INT32_MAX ? 0 : Output;
}
};
卡哥的文章称这种方法为滑动窗口法,不禁让我想起了信号处理里的加窗一词,只能说很是形象,通过比较Sums与target不停改变区间两端的方法很是巧妙,值得细细体会。
螺旋矩阵
给你一个正整数 n
,生成一个包含 1
到 n2
所有元素,且元素按顺时针顺序螺旋排列的 n x n
正方形矩阵 matrix
。
示例 1:
输入:n = 3 输出:[[1,2,3],[8,9,4],[7,6,5]]
这题一看第一感觉:头皮发麻,这是否有点)
言归正传,很显然底层逻辑就是简单的while循环,但是需要判定的边界条件过于繁杂,首先对于外圈处理,需要分为四种情况来进行讨论:向右、向下、向左、向上,为了确保一致性,取左闭右开区间,保证能够顺利闭环到最后一个元素;其次,考虑n取奇数与偶数的不同点,当n取奇数时,中间的元素是不需要考虑的,即n^2就放在最后一个地方;再次,需要考虑怎么把每一行元素有序打印下来,这个地方个人感觉难度是最大的(后面看了卡哥的方法,直接二维数组就行了,我还寻思了半天怎么打印):
class Solution {
public:
vector<vector<int>> generateMatrix(int n) {
vector<vector<int>> res(n, vector<int>(n, 0));//定义二维数组,n个容量n的vector容器组成
int startx = 0, starty = 0;//定义初始点,相当于坐标原点(0,0)
int offset = 1;//定义区间控制的值
int center = n/2;//定义中央点,即当n/2不为整数时最中间的点,比如n=5时center=2
int loop = n/2;//循环圈数
int count = 1;
int i,j;
while(loop--){
for(j = starty; j < n-offset ; j++){
res[startx][j]=count++;
}
for(i = startx; i < n-offset; i++){
res[i][j]=count++;
}
for(;j > starty; j--){
res[i][j]=count++;
}
for(;i >startx; i--){
res[i][j]=count++;
}
startx++;
starty++;
offset++;
}
if(n%2){
res[center][center]=count;
}
return res;
}
};
总结:
数组是最基础的线性数据结构,但依然值得关注:
1.循环不变量的原则:每次使用循环的时候,都需要确定循环的规则;
2.双指针法:极大程度上解决了循环的时间复杂度问题;
3.作图:很多看似无法解决难以理解的问题,往往作出具体的图解来便迎刃而解。