前 n 个数字二进制中 1 的个数

给定一个非负整数 n ，请计算 0 到 n 之间的每个数字的二进制表示中 1 的个数，并输出一个数组。

一、

看到题目，想到判断一个数是否是2的幂的方法，可以利用位与方法。n&(n-1)可以将n二进制表示的最低位1移除，则可以利用此判断1的个数。

class Solution:
    def countBits(self, n: int) -> List[int]:
        count = [0]
        cnt = 0
        for i in range(1,n+1):
            c = i
            while c:
                c &= c-1
                cnt += 1
            count.append(cnt)
            cnt = 0
        return count

一定会有0 —— 0个1，所以设置初始数组为0，数[1,n]中每次移除数目中的1，当移除完毕即为1的个数，依次添加数目在数组里并初始化计数变量。

时间复杂度O（nlogn），空间复杂度O（1）

看到官方也是这个方法，但官方更为简洁，直接定义一个判1函数，调用n次。

二、

可以对时间复杂度进行优化，利用动态规划思路。

奇数中，奇数比前一位偶数多一个1，即最低位1，dp[i] = dp[i-1]

偶数中，偶数与其自身一半的偶数的1的个数相同，因为末尾为0，右移一位仅抹零，dp[i] = dp[i/2]

综合一下是dp[i] =  = dp[i/2] + i % 2，转换为位运算，i/2 —— i >>1，i % 2 —— i &1，则有：

class Solution:
    def countBits(self, n: int) -> List[int]:
        count = [0]
        for i in range(1,n+1):
            count.append(count[i>>1] + (i & 1))
        return count

时间复杂度O(n)，空间复杂度O(1)

三、

官方有一种比较巧妙的动态规划——最低设置位

因为i & (i-1) 将最低位1置0，则i 比i & (i-1)的1的个数多1，即有：

class Solution:
    def countBits(self, n: int) -> List[int]:
        count = [0]
        for i in range(1,n+1):
            count.append(count[i&(i-1)] + 1)
        return count

时间复杂度O(n)，空间复杂度O(1)