leetcode997 有序数组的平方 双指针写法

文章目录


这个题目我依稀记得以前做过,以前我的双指针做法是

  1. 假设这个数组元素是从负到正,而不是纯非负,纯非正。

    那么接下来就找到正负交界的那个元素(0所在的位置)或者是那两个元素(没有0的话找相邻的一正一负)

  2. 找到正负交界元素之后,pl记录左边的元素的index,pr记录右边的元素的index。

  3. 比较输入数组nums[pl]与nums[pr]的大小,小的放到输出数组numsOut里面,同时相应的index移动一下,pl或者pr移动一下。

  4. 第三步一直进行下去,直到pl或者是pr走到了尽头。

  5. 判断是哪边走到了头,然后将剩下的没有走到的另一边的元素直接接到numsOut里面。

  6. 如果输入数组的元素纯非负(输入数组第一个元素>=0)或者纯非正(输入数组最后一个元素<=0),直接操作就可以输出了,不需要双数组。

但是这样对于我来说很麻烦!各种判断!我的代码写了好多行!!然后运行报bug

两端双指针思路

然后昨天我就想啊想想啊想!

!!!为啥不可以把这两个指针放在这个数组的两头,这样的话最后就可以一直比较,赋值,循环!直到pr和pl相遇!!!!

而且这样的话对于上面特殊情况的第六步根本就不需要拎出来单独写(当然,单独写可能会更快些)

代码

int* sortedSquares(int* nums, int numsSize, int* returnSize){
    int *numsOut = (int*)malloc(sizeof(int)*numsSize);
    *returnSize = numsSize;
    for(int i=0; i<numsSize; i++){
        nums[i] = nums[i] * nums[i];
    }
    int pl = 0;
    int pr = numsSize -1;
    int i = numsSize-1;
    while(pl!=pr){
        if(nums[pl] > nums[pr]){
            numsOut[i] = nums[pl];
            pl ++ ;
        }
        else{
            numsOut[i] = nums[pr];
            pr --;
        }
        i--;
    }
    numsOut[0] = nums[pr];
    return numsOut;
}

我还在思考i能不能去掉,因为numsOut可以当成指针用,直接地址++。
有些迷糊。
现在翔子估计刚手术完,还是等他醒了问问他吧。

  • 1
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
题目描述:给定一个非负整数数组nums和一个整数m,你需要将这个数组分成m个非空的连续子数组。设计一个算法使得这m个子数组中的最大和最小。 解题思路: 这是一个典型的二分搜索题目,可以使用二分查找来解决。 1. 首先确定二分的左右边界。左边界为数组中最大的值,右边界为数组中所有元素之和。 2. 在二分搜索的过程中,计算出分割数组的组数count,需要使用当前的中间值来进行判断。若当前的中间值不够分割成m个子数组,则说明mid值偏小,将左边界更新为mid+1;否则,说明mid值偏大,将右边界更新为mid。 3. 当左边界小于等于右边界时,循环终止,此时的左边界即为所求的结果。 具体步骤: 1. 遍历数组,找到数组中的最大值,并计算数组的总和。 2. 利用二分查找搜索左右边界,从左边界到右边界中间的值为mid。 3. 判断当前的mid值是否满足题目要求,若满足则更新右边界为mid-1; 4. 否则,更新左边界为mid+1。 5. 当左边界大于右边界时,循环终止,返回左边界即为所求的结果。 代码实现: ```python class Solution: def splitArray(self, nums: List[int], m: int) -> int: left = max(nums) right = sum(nums) while left <= right: mid = (left + right) // 2 count = 1 total = 0 for num in nums: total += num if total > mid: total = num count += 1 if count > m: left = mid + 1 else: right = mid - 1 return left ``` 时间复杂度分析:二分搜索的时间复杂度为O(logN),其中N为数组的总和,而遍历数组的时间复杂度为O(N),因此总的时间复杂度为O(NlogN)。

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值