求众数
题目:
给定一个大小为 *n *的数组,找到其中的众数。众数是指在数组中出现次数大于 ⌊ n/2 ⌋ 的元素。
你可以假设数组是非空的,并且给定的数组总是存在众数。
示例 1:
输入: [3,2,3]
输出: 3
示例 2:
输入: [2,2,1,1,1,2,2]
输出: 2
法一(Map)
首先, 题目,我们明白了,目的就是找出数组中每个数字出现的次数,并且大于n/2。
解题步骤:
- 使用map,key作为数组元素的值,val为每个元素值的统计次数。
- 遍历数组,统计出每个元素的值,并放入map中。
- 每次遍历判断是否map中有该元素,有的话,拿出map中的统计次数进行加1,后判断是否大于n/2,如果是,则直接返回。
时间复杂度分析: 因为只需要遍历一次,且map的get和put时间复杂度都为O(1),所以整体的时间复杂度为O(n)。
空间复杂 分析:因为用了map,开辟了内存空间,所以空间复杂度为O(n)
代码如下:
/**
* Map解法
* 时间复杂度:O(n) 空间复杂度为O(n)
* @param nums
* @return
*/
public static int majorityElement(int[] nums) {
if (nums.length == 0 || nums.length == 1) {
return nums[0];
}
int result = 0;
// 1. 定义hashmap,key为每个数字,val为出现的次数
HashMap<Integer, Integer> map = new HashMap<>();
int count = 0;
// 2. 遍历数组元素,加入hashmap并判断
for (int i = 0; i < nums.length; i++) {
count = 0;
// 3. map中如果有该元素,进行次数相加
if(map.get(nums[i])!=null) {
count = map.get(nums[i]);
count++;
map.put(nums[i], count);
// 如果次数大于n/2,则返回结果
if (count > (nums.length>>1)) {
result = nums[i];
}
}else {
// 元素放入map中
count++;
map.put(nums[i], count);
}
}
return result;
}
法二(摩尔投票法)
即如果把 该众数记为 +1 ,把其他数记为 −1 ,将它们全部加起来,和是大于 0 的。
算法思想就是: 选举一个元素值为候选人,如果遍历到的元素值为跟当前候选人一样,则投票加1,表示支持。当遍历的元素值非候选人,则投票-1,反对它选举。并且当投票计数器为0,那么也就没人支持该候选人,则要换人作为候选人,继续投票。
我们按上面思路来走一遍步骤:
1 我们设置两个变量,分别是候选人,候选人的投票次数,则首先,候选人投票肯定投自己的啦,所以投票次数刚开始肯定为1
2 接下来,当遍历到的元素不是候选人,则将投票次数进行-1操作
3. 遍历到-1,此时投票次数为0,换人,则-1作为候选人,投票次数为1,继续遍历
4. 遍历到3,此时投票次数为减为0
5 继续遍历3,此时看到候选人投票次数为0,则赶紧换人,则候选人为3,投票次数为1
- 继续遍历,此时又遍历到3,自己人呀,赶紧投票次数+1,选举有希望啦。
7 继续遍历到-1,则遇到敌人,投票次数减1,此时投票次数为1
8. 最后一个,又是自己人,投票次数+1,此时投票此时大于0, 3成功选举
上面的解题步骤已经清晰了,那么我们来分析它的时间复杂度整个遍历只用了一次,则时间复杂度为O(n)。
空间复杂度分析: 因为没有额外使用其他内存空间,所以空间复杂度为O(1).
代码:
/**
* 选举人算法实现
* @param nums
* @return
*/
public static int majorityElement(int[] nums) {
// 1 设置一个为候选人,一个为计数器
int candidate = nums[0];
int count = 1;
for (int i = 1; i < nums.length; i++) {
// 如果投票次数为0,则换人投票
if (count == 0) {
candidate = nums[i];
count = 1;
} else if (candidate == nums[i]) {
// 如果找到自己,则投票器加1
count++;
}else {
// 不是自己人,则投票数-1
count--;
}
}
return candidate;
}
leetcode上性能很好:
法三 排序
这里是leetcode对于排序的题解,下面的解法就让人很打开眼界,笔者原来思路是排序后再进行比较,没想到这里居然就两行代码搞定了。
public int majorityElement(int[] nums) {
Arrays.sort(nums);
return nums[nums.length/2];
}
复杂度分析
时间复杂度:O(nlgn)O(nlgn)
用 Python 和 Java 将数组排序开销都为 O(nlgn)O(nlgn) ,它占据了运行的主要时间。
空间复杂度:O(1)O(1) 或者 O(n)O(n)
我们将 nums 就地排序,如果不能就低排序,我们必须使用线性空间将 nums 数组拷贝,然后再排序。