数组中出现次数超过一半的数字
题目描述
数组中有一个数字出现的次数超过数组长度的一半,请找出这个数字。
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: [1, 2, 3, 2, 2, 2, 5, 4, 2]
输出: 2
限制:
1 <= 数组长度 <= 50000
哈希表统计法
遍历数组 nums
,用 HashMap 统计各数字的数量,最终超过数组长度一半的数字则为众数。此方法时间和空间复杂度均为 O(N)。
代码:
class Solution {
public int majorityElement(int[] nums) {
HashMap<Integer,Integer> map = new HashMap<>();
int length = nums.length/2;
for(int i=0;i<nums.length;i++){
if(map.containsKey(nums[i])) {
map.put(nums[i],map.get(nums[i])+1);
}else{
map.put(nums[i],1);
}
if(map.get(nums[i])>length) return nums[i];
}
return 0;//当不存在满足要求的数字或者数组长度为0时
}
}
数组排序法
将数组 nums
排序,由于众数的数量超过数组长度一半,因此数组中点的元素 一定为众数。此方法时间复杂度 O(N log_2 N)。
代码:
class Solution {
public int majorityElement(int[] nums) {
Arrays.sort(nums);
return nums[nums.length/2];
}
}
目标寻找法
用target记录上一次访问的值,count表明当前值出现的次数,如果下一个值和当前值相同那么count++;如果不同count–,减到0的时候就要更换新的target值了,因为如果存在超过数组长度一半的值,那么最后target一定会是该值。可以这样理解,count的自加和自减就是在描述一种抵消关系,由于超过一半的出现次数,导致最后的target一定会是该值,这个方法的时间复杂度自然会小些,为O(N);空间复杂度为O(1)。
代码:
class Solution {
public int majorityElement(int[] nums) {
int target = nums[0];//初始化为数组的第一个元素,接下来用于记录上一次访问的值
int count = 1;//用于记录出现次数
for(int i = 1;i<nums.length;i++) {
if(target == nums[i]) {
count++;
}else {
count--;
}
if(count == 0) {//当count=0时,更换target的值为当前访问的数组元素的值,次数设为1
target = nums[i];
count = 1;
}
}
return target;
}
}
摩尔投票法
这个方法跟目标寻找法很像, 但它的核心理念为 “正负抵消” ;时间和空间复杂度分别为 O(N)和 O(1) 。
摩尔投票法:
票数和: 由于众数出现的次数超过数组长度的一半;若记众数的票数为 +1 ,非众数的票数为 -1,因为众数出现的次数超过数组长度的一半,则一定有所有数字的票数和 > 0 。
票数正负抵消: 设数组 nums 中的众数为 x ,数组长度为 n 。若 nums 的前 a 个数字的 票数和 = 0 ,则 数组后 (n-a) 个数字的票数和一定仍 >0 (即后 (n-a)个数字的众数仍为 x )。
代码:
class Solution {
public int majorityElement(int[] nums) {
int x = 0, votes = 0;//初始化,票数统计 votes = 0 , 众数 x ;
for(int num : nums)//循环抵消, 遍历数组 nums 中的每个数字 num ;
{
if(votes == 0) x = num;//当 票数 votes 等于 0 ,则假设当前数字 num 为 众数 x ;
//当 num = x 时,票数 votes 自增 1 ;否则,票数 votes 自减 1 ;
if(num == x){
votes+=1;
}else{
votes-=1;
}
}
return x;//返回众数 x 即可。
}
}