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。
方法 1:哈希表
想法
可以用哈希表来快速统计每个元素出现的次数。
算法
我们使用哈希表来存储每个元素,然后用一个循环在线性时间内遍历 nums ,然后我们只需要返回有最大值的键。
class Solution {
private Map<Integer, Integer> countNums(int[] nums) {
Map<Integer, Integer> counts = new HashMap<Integer, Integer>();
for (int num : nums) {
if (!counts.containsKey(num)) {
counts.put(num, 1);
}
else {
counts.put(num, counts.get(num)+1);
}
}
return counts;
}
public int majorityElement(int[] nums) {
Map<Integer, Integer> counts = countNums(nums);
Map.E***y<Integer, Integer> majorityE***y = null;
for (Map.E***y<Integer, Integer> e***y : counts.e***ySet()) {
if (majorityE***y == null || e***y.getValue() > majorityE***y.getValue()) {
majorityE***y = e***y;
}
}
return majorityE***y.getKey();
}
}
复杂度分析
时间复杂度:O(n)
我们将 nums 迭代一次,哈希表的插入是常数时间的。所以总时间复杂度为 O(n)O(n) 时间的。
空间复杂度:O(n)
方法 2:Boyer-Moore 投票算法
想法
如果我们把众数记为 +1+1 ,把其他数记为 -1−1 ,将它们全部加起来,显然和大于 0 ,从结果本身我们可以看出众数比其他数多。
算法
本质上, Boyer-Moore 算法就是找 nums 的一个后缀 sufsuf ,其中 suf[0]suf[0] 就是后缀中的众数。我们维护一个计数器,如果遇到一个我们目前的候选众数,就将计数器加一,否则减一。只要计数器等于 0 ,我们就将 nums 中之前访问的数字全部 忘记 ,并把下一个数字当做候选的众数。直观上这个算法不是特别明显为何是对的,我们先看下面这个例子(竖线用来划分每次计数器归零的情况)
[7, 7, 5, 7, 5, 1 | 5, 7 | 5, 5, 7, 7 | 7, 7, 7, 7]
首先,下标为 0 的 7 被当做众数的第一个候选。在下标为 5 处,计数器会变回0 。所以下标为 6 的 5 是下一个众数的候选者。由于这个例子中 7 是真正的众数,所以通过忽略掉前面的数字,我们忽略掉了同样多数目的众数和非众数。因此, 7 仍然是剩下数字中的众数。
[7, 7, 5, 7, 5, 1 | 5, 7 | 5, 5, 7, 7 | 5, 5, 5, 5]
现在,众数是 5 (在计数器归零的时候我们把候选从 7 变成了 5)。此时,我们的候选者并不是真正的众数,但是我们在 遗忘 前面的数字的时候,要去掉相同数目的众数和非众数(如果遗忘更多的非众数,会导致计数器变成负数)。
因此,上面的过程说明了我们可以放心地遗忘前面的数字,并继续求解剩下数字中的众数。最后,总有一个后缀满足计数器是大于 0 的,此时这个后缀的众数就是整个数组的众数。
class Solution {
public int majorityElement(int[] nums) {
int count = 0;
Integer candidate = null;
for (int num : nums) {
if (count == 0) {
candidate = num;
}
count += (num == candidate) ? 1 : -1;
}
return candidate;
}
}
复杂度分析
时间复杂度:O(n)
Boyer-Moore 算法严格执行了 nn 次循环,所以时间复杂度是线性时间的。
空间复杂度:O(1)
Boyer-Moore 只需要常数级别的额外空间
作者:LeetCode
链接:https://leetcode-cn.com/problems/two-sum/solution/qiu-zhong-shu-by-leetcode-2/
来源:力扣(LeetCode)