【Leetcode】 448. Find All Numbers Disappeared in an Array

Given an array nums of n integers where nums[i] is in the range [1, n], return an array of all the integers in the range [1, n] that do not appear in nums.

Example 1:

Input: nums = [4,3,2,7,8,2,3,1]
Output: [5,6]

Example 2:

Input: nums = [1,1]
Output: [2]

Constraints:

n == nums.length
1 <= n <= 105
1 <= nums[i] <= n

Follow up: Could you do it without extra space and in O(n) runtime? You may assume the returned list does not count as extra space.

---

个人思路

• 将每个数换到下标为数值-1的位置上去
• 如果下标上的值不对，则将下标 +1 计入答案
  AC

/*
 * @lc app=leetcode.cn id=448 lang=cpp
 *
 * [448] 找到所有数组中消失的数字
 */

// @lc code=start
class Solution {
public:
    vector<int> findDisappearedNumbers(vector<int>& nums) {
        vector<int> res;
        for(int i = 0; i < nums.size(); i++)
        {
            while(nums[i] != nums[nums[i] - 1])
            {
                swap(nums[i], nums[nums[i] - 1]);
            }
        }
        for(int i = 0; i < nums.size(); i++)
        {
            if(nums[i] != i + 1)
            {
                res.emplace_back(i + 1);
            }
        }
        //q:为什么不能将两个循环合并成一个？
        //a:因为第一个循环中的swap会导致nums[i]的值发生变化，
        //  所以不能在第一个循环中判断nums[i]是否等于i + 1
        return res;
    }
};
// @lc code=end

---

看了一眼官方题解
事实上，此题解使用数组来充当哈希表的作用，
换句话说，采用哈希表的思路。

class Solution {
public:
    vector<int> findDisappearedNumbers(vector<int>& nums) {
        int n = nums.size();
        for (auto& num : nums) {
            int x = (num - 1) % n;
            nums[x] += n;
        }
        vector<int> ret;
        for (int i = 0; i < n; i++) {
            if (nums[i] <= n) {
                ret.push_back(i + 1);
            }
        }
        return ret;
    }
};

int* findDisappearedNumbers(int* nums, int numsSize, int* returnSize) {
    for (int i = 0; i < numsSize; i++) {
        int x = (nums[i] - 1) % numsSize;
        nums[x] += numsSize;
    }
    int* ret = malloc(sizeof(int) * numsSize);
    *returnSize = 0;
    for (int i = 0; i < numsSize; i++) {
        if (nums[i] <= numsSize) {
            ret[(*returnSize)++] = i + 1;
        }
    }
    return ret;
}

复杂度分析

• 时间复杂度：O(n)。其中 n 是数组 nums 的长度。

• 空间复杂度：O(1)。返回值不计入空间复杂度。

---

总结
在某些情况下，可以使用数组代替哈希表来实现类似哈希表的功能。

例如，如果我们想要计算一组整数中每个整数出现的次数，可以使用一个长度为最大整数值加一的数组，将整数值作为索引，数组值表示该整数出现的次数。这种方法的时间复杂度为O(n)，而哈希表的时间复杂度为O(n)或更高（取决于哈希冲突的情况）。

但是，使用数组代替哈希表也有一些限制。首先，数组大小需要事先确定，如果最大整数值太大，则可能需要占用大量的空间。其次，如果要存储的值不是整数，或者要使用其他操作（例如删除、插入等），则数组可能无法有效地实现哈希表的所有功能。

因此，在实现哈希表时，应该根据需要选择最适合的数据结构，而不是盲目地使用数组或哈希表。