954.二倍数对数组

难度：中等

目录

一、问题描述

二、解题思路

1、思路

2、极端情况判断

3、极端情况解决

三、解题

1、代码实现​​​​​​​

2、时间复杂度 and 空间复杂度

---

一、问题描述

这里直接采用LeetCode上面的问题描述。

给定一个长度为偶数的整数数组 arr，只有对 arr 进行重组后可以满足 “对于每个 0 <= i < len(arr) / 2，都有 arr[2 * i + 1] = 2 * arr[2 * i]” 时，返回 true；否则，返回 false。

下面给出示例：

提示：

• 0 <= arr.length <= 3 * 104
• arr.length 是偶数
• -105 <= arr[i] <= 105

二、解题思路

1、思路

        看题目，该题就是一个数进行配对的题目，每个数都要配对一个两倍于自己的数，直至全部配对之后即可返回 true， 否则直接返回 false。

        这里我们可以采用排序加 哈希表进行计数。排序的操作是为了让数组有序，这样大的负数可以配对两倍自己的小负数，大的整数可以配对二分之一自己的小整数。这是重点。

        遍历一遍 arr ，将小的负数存储进哈希表并计数，大的负数用来匹配 2 倍自身的小负数，匹配成功的话将小负数的计数器 --；匹配失败将自己存入到哈希表中并且计数器 ++。对于正数来说还需要进行一个判断，因为是 int 型的数，那么奇数是不可能的做到 大于 0 且为正数的奇数：item = 2*（item/2）这是不相等的，因此只要判断大偶数是否存在自己一半的数是否存在哈希表之中，存在的话将其计数器 --，不存在则将该数存入哈希表并且计数器 ++。

        最后遍历哈希表，看哈希表中的被统计的数的计数器是否有不为 0 的情况，有的话直接返回false，因为没有完全配对，没有最后则返回 true。

2、极端情况判断

        这里的 0 是一个特殊情况。

3、极端情况解决

        当存在 0 的时候 0 将被累计并且统计到计数器之中，最后遍历哈希表的时候判断 0 的个数是否是偶数即可，是偶数则说明可以一一配对成功，否则不可以。

三、解题

1、代码实现

class Solution {
public:
    bool canReorderDoubled(vector<int>& arr) {
        unordered_map<int,int> hash;
        //这里排序过后使得大的负数接近0，小的正数接近于0
        sort(arr.begin(),arr.end());
        for(auto& i: arr) {
            //如果 i 是偶数 并且大于0 并且哈希表中有其一半的数存在，将 i/2 计数进行减一
            //因为是排过序的 所以只能是后面大的正整数查看是否有自己 1/2 的正整数（这点很重要）
            //这里进行是否是偶数的判断是因为 奇数是不可能 满足 整型的 i = 2倍的 i/2的
            if(!(i%2) and i > 0 and hash[i/2]){
                hash[i/2]--;
            }
            //如果小于 0 那么 小的负数是不会有比自己还小的两倍关系的负数 
            //因此这里进行 * 2，将大的负数缩小两倍查看之前是否存储过 小两倍的负数 有的话计数器--
            else if (i < 0 and hash[i*2]){
                hash[i*2]--;
            }
            else {
                hash[i]++;
            }
        }
        for(auto& item : hash){
            //判断 0 的个数是否是偶数，是的话继续，否则return false
            if(!item.first){
                if(!(item.second % 2)){
                    continue;
                }
                return false;            
            }
            //判断该数的 计数器是否清零 若没有清零则说明没有一一配对 return false
            if(item.second){
                return false;
            }
        }
        //全部配对 return true
        return true;
    }
};

2、时间复杂度 and 空间复杂度

时间复杂度：

空间复杂度：