169. 多数元素

给定一个大小为 n 的数组，找到其中的多数元素。多数元素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多数元素。

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

方法一：哈希表记录次数

1. 使用map来存储每个元素以及出现的次数。对于哈希映射中的每个键值对，键表示一个元素，值表示该元素出现的次数。 用一个循环遍历数组nums 并将数组中的每个元素加入哈希映射中。
2. 在这之后，我们遍历哈希映射中的所有键值对，返回值最大的键。我们同样也可以在遍历数组nums 时候使用打擂台的方法，维护最大的值，这样省去了最后对哈希映射的遍历。

var majorityElement = function(nums) {
    let map = new Map();
    for(let num of nums){
        if(!map.has(num)){
            map.set(num,1);
        }else{
            map.set(num,map.get(num) + 1);
        }
    }

    let max = nums.length/2;
    for(let i of nums){
        if(map.get(i) > max) return i;
    }
};

复杂度分析

• 时间复杂度：O(n)，其中 n 是数组 nums 的长度。我们遍历数组 nums 一次，对于 nums中的每一个元素，将其插入哈希表都只需要常数时间。如果在遍历时没有维护最大值，在遍历结束后还需要对哈希表进行遍历，因为哈希表中占用的空间为O(n)（可参考下文的空间复杂度分析），那么遍历的时间不会超过 O(n)。因此总时间复杂度为O(n)。
• 空间复杂度：O(n)。哈希表最多包含n−⌊ 2/n⌋ 个键值对，所以占用的空间为O(n)。这是因为任意一个长度为 n 的数组最多只能包含n 个不同的值，但题中保证 nums 一定有一个众数，会占用（最少）⌊ 2/n⌋+1 个数字。因此最多有n−(⌊ 2/n⌋+1)个不同的其他数字，所以最多有n−⌊ 2/n ⌋ 个不同的元素。

方法二：排序
因为题目说明总是存在众数，所以如果将数组 nums 中的所有元素按照单调递增或单调递减的顺序排序，那么下标为⌊ 2/n⌋ 的元素（下标从 0 开始）一定是众数。

var majorityElement = function(nums) {
    nums.sort((a,b) => a-b);
    return nums[Math.floor(nums.length/2)];
};

复杂度分析

• 时间复杂度：O(nlogn)。将数组排序的时间复杂度为O(nlogn)。
• 空间复杂度：O(logn)。如果使用语言自带的排序算法，需要使用O(logn) 的栈空间。如果自己编写堆排序，则只需要使用 O(1)的额外空间。

方法三：投票算法，消除
投票算法的原理是通过不断消除不同元素直到没有不同元素，剩下的元素就是我们要找的元素。

1. max初始记录众数为nums[0]，用一个count来记录当前众数累加的个数，初始化为1。
2. 从1~nums.length-1遍历数组，如果和当前max一样，count继续累加，不同则消除一个，即count减一。
3. 当count为0时，说明前面的元素均两两不同消除掉了，所以设置当前nums[i]为众数继续判断。最后剩下的一定是众数。

var majorityElement = function(nums) {
    let count = 1;
    let majority = nums[0];
    for(let i = 1; i < nums.length; i++) {
        if (count === 0) {
            majority = nums[i];
        }
        if (nums[i] === majority) {
            count ++;
        } else {
            count --;
        }
    }
    return majority;
};

复杂度分析

• 时间复杂度：O(n)，其中n为数组长度
• 空间复杂度：O(1）