LeetCode977: 有序数组平方
题目链接977
这道题的题目描述是:给定一个按非递减顺序排序的整数数组 nums,返回每个数字的平 组成的新数组,要求也按非递减顺序排序。
示例 1:
输入:nums = [-4,-1,0,3,10]
输出:[0,1,9,16,100]
解释:平方后,数组变为 [16,1,0,9,100] 排序后,数组变为 [0,1,9,16,100]
进阶的要求是设计时间复杂度为 O(n) 的算法解决本问题。
这道题看起来非常简单,最直观的解决办法就是先将数组里的值平方,然后用sort排序。但是sort排序(快排)的时间复杂度是O(nlogn)不符合进阶要求。
–以Python代码为例:
简单解法:
for i in range(len(nums)):
nums[i]*=nums[i]
return sorted(nums)
或者直接一行AC
return sorted(x*x for x in nums)
这样的解法在Leectcode上是可以通过的,且时间空间都还算优秀。但是!大家刷题的时候不必太在意leetcode上执行用时,打败多少多少用户,因为这个的计算并不准确。还是要参考大O方法去看时间和空间复杂度。
下面来说一下时间复杂度为O(n)的一种方法。
虽然平方后的数组“无序”,但其实是有一定规律的,就是负数可能会由于平方变大。这样就可以先比较nums两头的数的平方来进行排序。我们来直接看代码吧。
class Solution:
def sortedSquares(self, nums: List[int]) -> List[int]:
res = [float('inf')] * len(nums)# 需要提前定义列表,存放结果
l, r, i = 0, len(nums)-1, len(nums)-1 #定义左右指针和一个存放较大结果的指针
while l <= r:
if nums[l]*nums[l] <= nums[r]*nums[r]: #把比较大的结果从后开始放进res中
res[i] = (nums[r]*nums[r])
r -= 1
else:
res[i] = (nums[l]*nums[l])
l += 1
i -= 1 #每次将i向前移动一位
return res
此时的时间复杂度为O(n),相对于暴力排序的解法O(n + nlog n)还是提升不少的。
C++代码如下:
class Solution {
public:
vector<int> sortedSquares(vector<int>& A) {
int k = A.size() - 1;
vector<int> result(A.size(), 0);
for (int i = 0, j = A.size() - 1; i <= j;) { // 注意这里要i <= j,因为最后要处理两个元素
if (A[i] * A[i] < A[j] * A[j]) {
result[k--] = A[j] * A[j];
j--;
}
else {
result[k--] = A[i] * A[i];
i++;
}
}
return result;
}
};
LeetCode209: 长度最小的子数组
题目链接209
这道题的描述是:给定一个含有 n 个正整数的数组和一个正整数 target,找出该数组中满足其总和大于等于 target 的长度最小的连续子数组 [numsl, numsl+1, …, numsr-1, numsr] ,并返回其长度。如果不存在符合条件的子数组,返回 0 。
示例 1:
输入:target = 7, nums = [2,3,1,2,4,3]
输出:2
解释:子数组 [4,3] 是该条件下的长度最小的子数组。
这道题拿到手最直观的想法就是暴力解法,首先遍历数组的每个元素,计算第i元素加到前面的j个元素的时候满足条件>=target,就计算一下这个j-i的值,然后更新这个值一直取最小。
代码实现(python举例)
l = len(nums)
min_len = float('inf')
for i in range(l):
cur_sum = 0
for j in range(i, l):
cur_sum += nums[j]
if cur_sum >= s:
min_len = min(min_len, j - i + 1)
break
return min_len if min_len != float('inf') else 0
时间复杂度:O(n^2)
空间复杂度:O(1)
显然这样的做法的时间复杂度是O(n*2),无法通过全部的用例,但是这也是最直观的思路。为了更好的实现这种类型的题,可以考虑用滑动窗口方法,时间复杂度O(n)就可以解决。
具体是怎么做的呢。我们可以用一个指针left指向从头开始(逐渐后移)的元素作为窗口的开口,一个指针right指向满足窗口内元素>=target的第一个元素作为窗口的闭口。这样的话将right指针持续的一个一个向后移动,随之left也会逐渐变化,窗口内始终满足条件,即>=target,然后不断更新窗口的大小(长度)。
tips:在本题中实现滑动窗口,主要确定如下三点:
- 窗口内是什么: 满足其和 ≥ target 的长度最小的连续子数组。
- 窗口的起始位置如何移动:如果当前窗口的值大于target了, 起始位置就要向后移动了(也就是窗口该缩小了)。
- 窗口的结束位置如何移动:就是遍历数组的指针,即for循环里的索引。
总结:根据当前子序列和大小的情况,不断调节子序列的起始位置。从而将O(n^2)暴力解法降为O(n)。
我们以一个动图来更直观的理解这个过程吧。
动图引用自代码随想录。
def minSubArrayLen(self, target: int, nums: List[int]) -> int:
l=len(nums)
left=0
right=0
min_len=float('inf')
cur_sum=0
while right<l:
cur_sum+=nums[right]
while cur_sum>=target: # 当前累加值大于目标值进行窗口更新
min_len=min(min_len, right-left+1)
cur_sum-=nums[left]
left+=1
right+=1
return min_len if min_len != float('inf') else 0
时间复杂度:O(n^2)
空间复杂度:O(1)
C++代码如下:
class Solution {
public:
int minSubArrayLen(int s, vector<int>& nums) {
int result = INT32_MAX;
int sum = 0; // 滑动窗口数值之和
int i = 0; // 滑动窗口起始位置
int subLength = 0; // 滑动窗口的长度
for (int j = 0; j < nums.size(); j++) {
sum += nums[j];
// 注意这里使用while,每次更新 i(起始位置),并不断比较子序列是否符合条件
while (sum >= s) {
subLength = (j - i + 1); // 取子序列的长度
result = result < subLength ? result : subLength;
sum -= nums[i++]; // 这里体现出滑动窗口的精髓之处,不断变更i(子序列的起始位置)
}
}
// 如果result没有被赋值的话,就返回0,说明没有符合条件的子序列
return result == INT32_MAX ? 0 : result;
}
};
时间复杂度:O(n)
空间复杂度:O(1)
tips: 关于时间复杂度为什么是O(n),每个元素在滑动窗后进来操作一次,出去操作一次,每个元素都是被操作两次,所以时间复杂度是 2 × n 也就是O(n)。
LeetCode59: 螺旋矩阵||
题目链接59
题目要求:给定一个正整数 n ,生成一个包含 1 到 n*n所有元素,且元素按顺时针顺序螺旋排列的 n x n 正方形矩阵 matrix 。
示例 1:
输入:n = 3
输出:[[1,2,3],[8,9,4],[7,6,5]]
这道题拿到手其实会有一点懵,不知道怎么下手,但其实就是找到建立矩阵的规律,把1到n方的所有数据根据规律逐个填入到矩阵对应的位置即可。
很重要的一点是寻找这个循环不变量的区间。
模拟顺时针画矩阵的过程:
- 填充上行从左到右
- 填充右列从上到下
- 填充下行从右到左
- 填充左列从下到上
由外向内一圈一圈这么画下去。
每一次循环都要走这四个步骤。不要试图简化这里,可以直接这么写。
然后需要注意的就是边界条件,也就是每个角上的点。为了让循环有规律可循,依然遵循左闭右开原则就好,比如以第一个循环举例,第一行我们说从第一列遍历到n-1列的第一个元素(➡️),然后第n列的第一行第一个元素遍历到n-1行(⬇️),然后从第n行第n列的元素,遍历到第n行第2列(⬅️),然后从第1列的第n行遍历到第2行(⬆️)。完成一次循环。
然后第二次循环的时候起始的行列都要变化(加一),同时n-x的x也要变化,相当于往内缩圈,所以始末都要减1。
找到了基本的循环规律后还需要注意的是:
- 遍历的次数是n//2 而不是n,画图一下就可以理解。
- 处理n的奇偶数情况,n为奇数的时候循结束后,中间点没处理,加上即可。
我们直接看代码吧
python代码如下:
class Solution:
def generateMatrix(self, n: int) -> List[List[int]]:
nums=[[0]*n for _ in range(n)] #建立一个n*n矩阵且元素都是0
i,j=0,0 # i,j分别代表行列
loop=mid=n//2 #判断中心点和循环次数
offset=1 #需要控制每一条边遍历的长度,每次循环右边界收缩一位
count=1 #用来计数n从1到n平方的值
for offset in range(1,loop+1):
# 下面开始的四个for就是模拟转了一圈
for x in range(j,n-offset):
nums[i][x]=count
count+=1
for x in range(i,n-offset):
nums[x][n-offset]=count
count+=1
for x in range(n-offset,j,-1):
nums[n-offset][x]=count
count+=1
for x in range(n-offset,i,-1):
nums[x][j]=count
count+=1
i+=1
j+=1
if n % 2 != 0 : # n为奇数时,填充中心点
nums[mid][mid] = count
return nums
时间复杂度 O(n^2): 模拟遍历二维矩阵的时间
空间复杂度 O(1)
C++代码如下:
class Solution {
public:
vector<vector<int>> generateMatrix(int n) {
vector<vector<int>> res(n, vector<int>(n, 0)); // 使用vector定义一个二维数组
int startx = 0, starty = 0; // 定义每循环一个圈的起始位置
int loop = n / 2; // 每个圈循环几次,例如n为奇数3,那么loop = 1 只是循环一圈,矩阵中间的值需要单独处理
int mid = n / 2; // 矩阵中间的位置,例如:n为3, 中间的位置就是(1,1),n为5,中间位置为(2, 2)
int count = 1; // 用来给矩阵中每一个空格赋值
int offset = 1; // 需要控制每一条边遍历的长度,每次循环右边界收缩一位
int i,j;
while (loop --) {
i = startx;
j = starty;
// 下面开始的四个for就是模拟转了一圈
// 模拟填充上行从左到右(左闭右开)
for (j = starty; j < n - offset; j++) {
res[startx][j] = count++;
}
// 模拟填充右列从上到下(左闭右开)
for (i = startx; i < n - offset; i++) {
res[i][j] = count++;
}
// 模拟填充下行从右到左(左闭右开)
for (; j > starty; j--) {
res[i][j] = count++;
}
// 模拟填充左列从下到上(左闭右开)
for (; i > startx; i--) {
res[i][j] = count++;
}
// 第二圈开始的时候,起始位置要各自加1, 例如:第一圈起始位置是(0, 0),第二圈起始位置是(1, 1)
startx++;
starty++;
// offset 控制每一圈里每一条边遍历的长度
offset += 1;
}
// 如果n为奇数的话,需要单独给矩阵最中间的位置赋值
if (n % 2) {
res[mid][mid] = count;
}
return res;
}
};
时间复杂度 O(n^2): 模拟遍历二维矩阵的时间
空间复杂度 O(1)
以上内容有部分转自代码随想录,指路b站,里面有详细的视频版解答思路