Python 练习 哈希表: LeetCode 448 找到所有数组中消失的数字
给你一个含n
个整数的数组nums
,其中nums[i]
在区间[1, n]
内。请你找出所有在[1, n]
范围内但没有出现在nums
中的数字,并以数组的形式返回结果。
示例 1:
输入:nums = [4,3,2,7,8,2,3,1]
输出:[5,6]
示例 2:
输入:nums = [1,1]
输出:[2]
提示:
n == nums.length
1 <= n <= 1e5
1 <= nums[i] <= n
进阶:你能在不使用额外空间且时间复杂度为 O(n) 的情况下解决这个问题吗? 你可以假定返回的数组不算在额外空间内。
题解一
两层遍历
一开始我想到的方法是直接采用两层遍历的方式查找数组中缺失的数字。用一个列表推导式就可以实现
class Solution:
def findDisappearedNumbers(self, nums: List[int]) -> List[int]:
return [i+1 for i in range(len(nums)) if i+1 not in nums]
但是这种算法是 O(n2) 的时间复杂度,在输入规模很大的时候运行时间超过了要求
题解二
set()优化时间复杂度
在题解一的基础上,可以先对数组做去重操作
class Solution:
def findDisappearedNumbers(self, nums: List[int]) -> List[int]:
nums_set = set(nums)
return [i+1 for i in range(len(nums)) if i+1 not in nums_set]
题解二的时间复杂度为 O(n),在Python实现中由于去重操作可以采用内置方法set()
实现(去重如果自己写的不好可能会是 O(n2),但是内置set()
利用了哈希表实现查找,时间复杂度在 O(n)),因此这种算法的时间复杂度可以控制在很低的水平
题解三
原地哈希
如果不采用 Python 的内置set()
方法,同样可以用原地哈希的方法实现 O(n) 时间复杂度的算法,同时空间复杂度也可以满足 O(1) 的目标
我先想到的是和第 41 题类似的思路,用原地交换的方式完成哈希操作。但是第 41 题的数组中只缺失了 1 个数,而这一题缺失数值的数量并未给定,导致不得不加上一层while
循环以确保所有未缺失数值都被交换到正确的位置(https://blog.csdn.net/weixin_46756690/article/details/135455972?spm=1001.2014.3001.5502)
class Solution:
def findDisappearedNumbers(self, nums: List[int]) -> List[int]:
length = len(nums)
swap = 1
while swap:
swap = 0
for i in range(length):
if nums[i] != nums[nums[i]-1]:
nums[nums[i]-1], nums[i] = nums[i], nums[nums[i]-1]
swap = 1
return [i+1 for i in range(length-1, -1, -1) if nums[i] != i+1]
由于外层while
循环的加入,导致算法的时间复杂度恶化
题解四
原地哈希
题解三之所以需要加上一层while
循环以保证程序功能正确,我觉得是哈希方法选择有误导致的
此处哈希的目标是表示数值是否在数组中存在。由于nums
的数字范围均在[1,n]
中,可以利用这一范围之外的数字,来表达“是否存在”的含义
在改用下面的哈希方法后,采用一层循环就可以完成原地哈希
class Solution:
def findDisappearedNumbers(self, nums: List[int]) -> List[int]:
n = len(nums)
for num in nums:
x = (num - 1) % n
nums[x] += n
ret = [i + 1 for i, num in enumerate(nums) if num <= n]
return ret
题解四的时间复杂度为 O(n),和题解二的测试结果相当
小结:
这一题和第 41 题类似,可以采用原地哈希的方式求解。哈希表适用于高效的数据存储(统计)、查找等情景。如果涉及去重问题,可以结合 Python 内置的set()
方法实现相应的算法