1.移动零
给定一个数组 nums,编写一个函数将所有 0 移动到数组的末尾,同时保持非零元素的相对顺序。
请注意 ,必须在不复制数组的情况下原地对数组进行操作。
示例一:
示例二:
1.双指针求解
面对此问题,我们可以定义两个指针变量 i , j , i i,j,i i,j,i的初值为0,j也负责从0开始遍历数组元素,如果 n u m s [ j ] ! = 0 nums[j]!=0 nums[j]!=0,则令 n u m s [ i ] = n u m s [ j ] nums[i]=nums[j] nums[i]=nums[j],同时 i i i++, j j j++,当 j j j遍历完数组最后一个元素后,直接将数组i索引 i i i- j j j之间的元素全部赋值为0即可求解该问题。
class Solution {
public void moveZeroes(int[] nums) {
//定义双指针
int i=0;
int j=0;
for(;j<nums.length;j++){
if(nums[j]!=0){
nums[i]=nums[j];
i++;
}
}
while(i<j){
nums[i]=0;
i++;
}
}
}
2.双指针GIF动图演示
GIF动图演示如下所示,a,b即为上述所所的双指针遍历,具体变化情况如下所示:
3.时间复杂度分析
由于本次算法实现中,遍历
i
,
j
i,j
i,j分别遍历了整个数组元素,因此总算法的时间复杂度就为
O
(
2
n
)
O(2n)
O(2n),根据时间复杂度的定义,即为
O
(
n
)
O(n)
O(n),算法在LeetCode的执行结果如下所示:
2.找到所有数组中消失的数字
给你一个含 n 个整数的数组 nums ,其中 nums[i] 在区间 [1, n] 内。请你找出所有在 [1, n] 范围内但没有出现在 nums 中的数字,并以数组的形式返回结果。
示例一:
示例二:
进阶:你能在不使用额外空间且时间复杂度为 O(n) 的情况下解决这个问题吗? 你可以假定返回的数组不算在额外空间内。
1.使用集合遍历
这里需要额外定义两个ArrayList集合,一个集合list用来存储nums出现的所有不重复的元素,一个集合result作为结果集返回,一次遍历完nums数组后,list集合中填充则不重复的元素,最后从 1 − n 1-n 1−n开始遍历,一次判断当前元素 i i i是否在当前list集合中,如果不在,则add到result集合中;遍历结束后将result结果返回即可!
class Solution {
public List<Integer> findDisappearedNumbers(int[] nums) {
List<Integer> list=new ArrayList<>();
List<Integer> result=new ArrayList<>();
for(int i=0;i<nums.length;i++){
if(!list.contains(nums[i])){
list.add(nums[i]);
}
}
for(int i=1;i<=nums.length;i++){
if(!list.contains(i))
result.add(i);
}
return result;
}
}
2.时间复杂度分析
本次算法的实现过程中有两次循环遍历,一次循环是为了筛选nums数组中不重复的元素并填充之list集合中,另一次循环是依次判断元素
1
−
n
1-n
1−n是否在list集合中,因此总的时间复杂度为
O
(
2
n
)
O(2n)
O(2n),即
O
(
n
)
O(n)
O(n)。
但是,将这段代码放入LeetCode中执行,则会返现LeetCode会显示超出时间限制,不允许通过!具体如下所示:
因此,我们还得想时间复杂度更低的算法。
3.原数组操作
由于方法一另外开辟了一个临时集合,增大了空间复杂度,因此我们这次救灾原数组上进行一系列的操作!
首先,我们依次遍历数组,对于数组元素
n
u
m
s
[
i
]
nums[i]
nums[i],对它进行减1并取模。最后的结果为k,再对
n
u
m
s
[
k
]
+
n
nums[k]+n
nums[k]+n,使得
n
u
m
s
[
k
]
nums[k]
nums[k]的值大于
n
n
n,因为如果将元素从小到大排序,值为
k
k
k的元素,应该在
k
−
1
k-1
k−1的索引位置上。 对数组中的每一个元素都按照此操作。
最后,重新对数组
n
u
m
s
nums
nums进行遍历,如果发现
n
u
m
s
[
i
]
<
=
n
nums[i]<=n
nums[i]<=n,即表示
i
+
1
i+1
i+1的值在数组中不存在,将其添加值集合中即可。
class Solution {
public List<Integer> findDisappearedNumbers(int[] nums) {
int n=nums.length;
List<Integer> result=new ArrayList<>();
for(int i=0;i<n;i++){
int k=(nums[i]-1)%n;
nums[k]+=n;
}
for(int i=0;i<n;i++){
if(nums[i]<=n){
result.add(i+1);
}
}
return result;
}
}
4.演示过程展示
如果上述的代码原理并未理解清晰,可以看一个算法的演示过程,具体如下所示:
这里的演示采用的是对nums[k]取相反数,代码中给出的是对nums[k]+n的解法,二者实际上是大同小异,但是如果想实现取相反数的操作,需要判断当前元素的正负,再次遍历到的时候还需要对元素进行还原,过程可能稍微复杂。有兴趣的小伙伴 可以自行调试!
5.时间复杂度分析
此时同样是两次循环遍历,但不同的是,这一次我们并未开辟新的集合空间,就是在原数组中进行操作的,极大的减少了算法的空间复杂度,代码在LeetCode中的执行情况如下所示: