数组基础-笔记

数组是非常基础的数据结构，实现运用和理解是两回事

数组是存放在连续内存空间上的相同类型的数据的集合

可以方便的通过下表索引的方式获取到下标下对应的数据。

举一个字符数组的例子：

注意两点：

数组下标从0开始

数组内存空间的地址是连续的

正因为数组的内存空间地址连续，索引删除或添加元素时，会移动其他元素地址

例如删除下标为3的元素，需要对下表为3的元素后面的虽有元素都要做移动操作。如图所示

那二位数组在内存的空间地址是连续的么

不同编程语言的内存管理是不一样的。

1.二分查找

. - 力扣（LeetCode）

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。

class Solution:
    def search(self, nums: List[int], target: int) -> int:
        left, right = 0, len(nums) - 1
        while left <= right:
            mid = (right - left) // 2 + left
            num = nums[mid]
            if num == target:
                return mid
            elif num > target:
                right = mid - 1
            else:
                left = mid + 1
        return -1

复杂度分析

• 时间复杂度：O(log⁡n)O(\log n)O(logn)，其中 nnn 是数组的长度。

• 空间复杂度：O(1)O(1)O(1)。

2.移除元素

. - 力扣（LeetCode）

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。

def remove_element(nums, val):
    i = 0    # 初始化一个指针 i 用于遍历数组
    for j in range(len(nums)):    # 遍历数组
        if nums[j]!= val:    # 如果当前元素不等于目标值
            nums[i] = nums[j]    # 将当前元素赋值给指针 i 位置的元素
            i += 1
    return i    # 返回不等于目标值的元素个数

在这里，通过遍历数组，当遇到不等于 val 的元素时，就将其覆盖到前面指针 i 所指向的位置，这样就逐步将不等于 val 的元素往前移动，而等于 val 的元素则被后面的非 val 元素覆盖掉，从而实现了原地移除等于 val 的元素。

如果要获取变更后的数组，可以加一个nums[:i],做截断。

 nums[:i]  # 返回数量和变更后的数组片段

3. 有序数组的平方

. - 力扣（LeetCode）

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。

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]

def sorted_squares(nums):
    # 初始化结果列表
    result = []
    # 初始化左右指针
    left = 0
    right = len(nums) - 1
    # 当左指针小于等于右指针时循环
    while left <= right:
        # 如果左指针对应值的平方大于右指针对应值的平方
        if nums[left] ** 2 > nums[right] ** 2:
            result.append(nums[left] ** 2)  # 将左指针对应值的平方加入结果列表
            left += 1  # 左指针右移
        else:
            result.append(nums[right] ** 2)  # 将右指针对应值的平方加入结果列表
            right -= 1  # 右指针左移
    # 反转结果列表使其非递减排序
    return result[::-1]

4.长度最小的子数组

. - 力扣（LeetCode）

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 。

def min_sub_array_len(target, nums):
    # 初始化左指针
    left = 0
    # 初始化当前子数组和
    cur_sum = 0
    # 初始化最小长度为无穷大
    min_len = float('inf')
    # 遍历数组
    for right in range(len(nums)):
        cur_sum += nums[right]  # 将当前元素加入和
        # 当和大于等于目标值时
        while cur_sum >= target:
            min_len = min(min_len, right - left + 1)  # 更新最小长度
            cur_sum -= nums[left]  # 减去左指针指向的元素
            left += 1  # 左指针右移
    # 如果最小长度还是无穷大，说明没有找到符合条件的子数组，返回 0
    return min_len if min_len!= float('inf') else 0

该算法的时间复杂度为 O(n)。

在这个算法中，我们使用了一个滑动窗口来遍历数组。每次移动窗口时，我们需要计算当前窗口内元素的总和，并判断是否满足条件。这个过程需要遍历窗口内的所有元素，因此时间复杂度为 O(n)。

具体来说，在每次循环中，我们需要执行以下操作：

1. 计算当前窗口的和：cur_sum += nums[right]，这需要 O(1)的时间。
2. 判断当前窗口的和是否大于等于目标值：while cur_sum >= target，这需要 O(1)的时间。
3. 更新最小长度：min_len = min(min_len, right - left + 1)，这需要 O(1)的时间。
4. 移动窗口：cur_sum -= nums[left]，left += 1，这需要 O(1)的时间。

因此，总的时间复杂度为 O(n)，其中 n 为数组的长度。

5.螺旋矩阵II

. - 力扣（LeetCode）

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 。

def generate_matrix(n):
    # 创建一个 n x n 的全 0 矩阵
    matrix = [[0] * n for _ in range(n)]
    # 初始化当前数字
    num = 1
    # 上下左右边界
    top = 0
    bottom = n - 1
    left = 0
    right = n - 1

    while num <= n * n:
        # 从左到右填充上边界行
        for i in range(left, right + 1):
            matrix[top][i] = num
            num += 1
        top += 1

        # 从上到下填充右边界列
        for i in range(top, bottom + 1):
            matrix[i][right] = num
            num += 1
        right -= 1

        # 从右到左填充下边界行
        for i in range(right, left - 1, -1):
            matrix[bottom][i] = num
            num += 1
        bottom -= 1

        # 从下到上填充左边界列
        for i in range(bottom, top - 1, -1):
            matrix[i][left] = num
            num += 1
        left += 1

    return matrix

总结：

二分法

        二分法是算法面试中的常考题，建议通过这道题目，锻炼自己手撕二分的能力。

双指针法

• （快慢指针法）：通过一个快指针和慢指针在一个for循环下完成两个for循环的工作。

• 数组在内存中是连续的地址空间，不能释放单一元素，如果要释放，就是全释放（程序运行结束，回收内存栈空间）。

双指针法（快慢指针法）在数组和链表的操作中是非常常见的，很多考察数组和链表操作的面试题，都使用双指针法。

滑动窗口

• 滑动窗口如何移动 窗口起始位置，达到动态更新窗口大小的，从而得出长度最小的符合条件的长度。
• 滑动窗口的精妙之处在于根据当前子序列和大小的情况，不断调节子序列的起始位置。从而将O(n^2)的暴力解法降为O(n)。