基础算法—数组篇Ⅱ

1.有序数组的平法

力扣链接

题目描述

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]

示例 2：

输入：nums = [-7,-3,2,3,11]
输出：[4,9,9,49,121]

---

思路

暴力求解

很简单，根据题目要求，直接for循环遍历，每个数平方，然后再进行快排

很直观时间复杂度O(n+nlog n)。

主体代码如下：

for (int i = 0; i < A.size(); i++) {
            A[i] *= A[i];
        }
sort(A.begin(), A.end()); // 快速排序

---

双指针法

这种方法在数组和链表中及其重要，属于是必须掌握的方法之一。

本题中的数组其实是有序的，只不过数组中可能会有负数，平方以后可能会变成最大值了。

那么数的最大值就会出现在数组的两端。

此时，就可以考虑双指针法，left指向起始位置，right指向终止位置。

定义一个数组用来存放排序后的结果。

过程图如下：

---

双指针法

代码如下

时间复杂度：O(n)

空间复杂度：0(n)

int left = 0;
int right = nums.length - 1;
int[] result = new int[nums.length]; //结果集
int index = nums.length - 1; //指向结果集的最右端
while(left <= right){
 if(nums[left]*nums[left] < nums[right]*nums[right]){
   result[index] = nums[right];
   index --;
   right --; 
  }else{
   result[index] = nums[left];
   index --;
   left  ++;
  }
}
return result;

---

总结

本题还有一个注意的点是创建新数组后，index要指向新数组的最有端，从后往前遍历，因为本题要求是非递减顺序排序。

---

2.长度最小的子数组

力扣链接

题目描述

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 

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

---

思路

暴力解法

用两层for循环，不断去寻找满足的子序列，显然可以看出时间复杂度O(n^n)。跑不跑的过具体得看力扣后台给的数据，

滑动窗口法

个人认为有点像高中物理的滑动变阻器。这个也是数组操作重要的方法之一。所谓的滑动窗口法是什么呢，滑动窗口就是不断去调节子序列的起始位置和终止位置，最后找到我们想要的结果。

其实上面的暴力求解方法也是可以看成滑动窗口法的，第一层for循环去调整子序列的起始位置,第二层for循环去调整子序列的终止位置。

如果只要求用一层for循环，你们该怎么去完成这个操作呢？

用一个for循环的话是表示终止位置还是起始位置呢?

如果代表起始位置，如何去遍历终止位置，是不是又回到了暴力求解。

那么for循环一定表示的是终止位置，这时候就该思考起始位置该如何移动？

这是本题最重要的两个问题，解决这两个问题，这道题就迎刃而解了。

举例：输入：target = 7, nums = [2,3,1,2,4,3] 输出：2 解释：子数组 [4,3]

过程图如下：

如下三点：

1.窗口内是什么？

2.如何移动窗口的起始位置？

3.如何移动窗口的结束位置？

窗口就是：满足其和 ≥ s 的长度最小的 连续 子数组。

窗口的起始位置如何移动：如果当前窗口的值大于等于s了，窗口就要往数组右端移动了。

窗口的结束位置如何移动：窗口的结束位置就是遍历数组的指针，也就是for循环里的索引。

---

滑动窗口法

代码如下

时间复杂度：O（n）

int sublength = 0;//滑动窗口的长度
int sum = 0; //窗口大小
int left = 0;
int result = Integer.MAX_VALUE //设置最大值

for(int right = 0; right <nums.length; right++){//确定终止位置
 sum += nums[right];
 while(sum >= target){
   sublength = right - left + 1; //子序列的长度
   result = result < sublength ? result : sublength; //更新result
   sum -= nums[left++];
  }

}
return result == Intger.MAX_VALUE ? 0 : result;

总结

有的同学认为上面的时间复杂度为 O(n^n),他认为在for循环中嵌套了一个while循环，时间复杂度就是O(n^n)。其实不然，去画下图，去看每个元素被操作几次。不难发现，每个元素被操作了2次，时间复杂度就是O(2*n)，不看系数，时间复杂度O*(n)。