社区微信群开通啦,扫一扫抢先加入社区官方微信群
社区微信群
数组是算法中最常用的一种数据结构,也是面试中最常考的考点。在LeetCode题库中,标记为数组类型的习题到目前为止,已累计到了202题。然而,这202道习题并不是每道题只标记为数组一个考点,大部分习题都有两到三个考点。比如,考查数组+哈希表、数组+动态规划+数学、数组+回溯等。
看到如此多考点标签,如果盲目地按照一个标签内部所有习题的顺序去刷题,会让人有点错乱感。对于时间比较紧凑的同学来说,题目的数量比较多,想在较短时间内刷完是一个很大的挑战。因此,本文针对时间较紧凑的同学精选一些数组类型的代表性题目,进行分类总结,希望能够起到一点帮助(PS:其实是作者希望借此进一步加深自己对考点的认知,建立一个有效的知识体系… …)。
标记为数组类型的题目有200多道题,本文的重点关注那些主要考察数组的题目。对于考察点主要放在其它考点(比如:二分查找、双指针、哈希表等)上的题目,作者计划把这些题目放在后序总结篇章中。按照作者刷题的情况,在属于数组考点系列的题目中,划分为四个常考问题:子数组问题、矩阵问题、O(n)类型问题和思维转换类型问题。
子数组问题:就是给定一个数组,围绕该数组的子数组列出诸多难题,等待我们来解答。
矩阵问题:给定一个矩阵(或者称为二维数组),围绕该矩阵列出不同方式遍历矩阵中元素等难题,等待我们来解答。
O(n)类型问题:O(n)是指时间复杂度为O(n),给定的题目题意一般很容易理解,其一般解法(俗称暴力解法,时间复杂度一般为O(n^2),甚至更高)也很简单,但是题目要求你的解法时间复杂度为O(n)。看到这些题目的某些解答后,会让我们忍不住夸赞:真乃神人、好厉害、奇异特解、巧妙、强、优雅。
思维转换类型问题:其解答不属于上述三种类型问题,但是解答方式有点巧妙,或者说该类型题目较为基础,很可能考察你的快速应用代码能力的题目。(PS: 其实是作者自己也不好划分,但是认为有点价值的题目… …)
本文是《LeetCode刷题总结-数组篇(上)》,总结归纳有关子数组问题的题目。本期题目数量共17题,其中难度为简单有1题,难度为中等的有12题,难度为困难的有4题。具体题目信息及解答见下文。
例1 最大子序和
题号:53,难度:简单
题目描述:
解题思路:
本题最为经典和广泛的解法是应用动态规划的思想来解答,其时间复杂度为O(n)。题目中鼓励尝试使用更为精妙的分治法求解,通过翻阅相关解答和评论发现,分治法并没有动态规划解答的优雅,其时间复杂度为O(nlogn),也并不是最优。所以,介绍一下应用动态规划解题的思路。
从数组第一个元素开始遍历,用一个一维数组存储遍历到当前元素的最大连续子数组的和。
当遍历到第i个元素时,如果前i-1和元素中连续子数组和加上第i个元素时比第i个元素的值要大,那么就更新dp[i] = dp[i-1] + nums[i],否则dp[i] = nums[i]。
具体代码:
classSolution {public int maxSubArray(int[] nums) {int[] dp = new int[nums.length + 1];int result = nums[0];for(int i = 0;i < nums.length;i++) {
dp[i+1] = Math.max(dp[i]+nums[i], nums[i]);
result= Math.max(dp[i+1], result);
}returnresult;
}
}
执行结果:
例2 乘积最大子序列
题号:152,难度:中等
题目描述:
解题思路:
这题其实是例1 最大子序和一个变例,由加法变换成了乘法操作(依旧是应用动态规划的思路)。此时需要做的改变是定义两个变量来存储当前子序列的乘积,一个是保存最大值,一个是保存最小值(包含负数的子序列)。
具体代码:
classSolution {public int maxProduct(int[] nums) {int result = nums[0], n_max = 1, n_min = 1;for(Integer n: nums) {if(n < 0) {int temp =n_max;
n_max= Math.max(n_min *n, n);
n_min= Math.min(temp *n, n);
}else{
n_max= Math.max(n_max *n, n);
n_min= Math.min(n_min *n, n);
}
result=Math.max(n_max, result);
}returnresult;
}
}
执行结果:
例3 子集
题号:78,难度:中等。(可参考子集II, 题号90,难度:中等)
题目描述:
解题思路:
本题考查我们应用回溯来求解所有子集的问题,在一些算法教材中最经典的问题时求解全排列的问题,解法和这道题类似。
此题需要特别注意的是,首先采用链表在递归过程中添加元素,在回溯时删除元素,能够有效提高时间效率。其次,给递归调用程序设计一个start参数,可以避免同一个元素被重复递归调用,达到了剪枝效果。
最后,在结果列表中采用重新创建一个列表存储子集的结果,是因为在递归函数中列表参数只对应一个地址,采用重新创建相当于应用了深拷贝的思想,避免了结果均为空集的情况。
具体代码:
classSolution {private List>result;public List> subsets(int[] nums) {
result= new ArrayList<>();if(nums.length <= 0)returnresult;
dfs(nums,0, new LinkedList());returnresult;
}public void dfs(int[] nums, int start, LinkedListlist) {
result.add(new ArrayList(list));for(int i = start;i < nums.length;i++) {
list.addLast(nums[i]);
dfs(nums, i+ 1, list);
list.removeLast();
}
}
}
执行结果:
例4 最长连续序列
题号:128,难度:困难
题目描述:
解题思路:
采用哈希表存储数组中所有元素,然后应用哈希表查询当前元素的左右两边序列数字是否存在,查询操作的时间复杂度为O(1),所以整体的时间复杂度为O(n)。
具体代码:
classSolution {public int longestConsecutive(int[] nums) {int result = 0;
Set set = new HashSet<>();for(Integer n: nums)
set.add(n);for(Integer n: nums) {if(set.contains(n)) {int len = 1;int temp =n;while(set.contains(--temp)) {
len++;
set.remove(temp);
}
temp=n;while(set.contains(++temp)) {
len++;
set.remove(temp);
}
result=Math.max(result, len);
}
}returnresult;
}
}
执行结果:
例5 乘积小于K的子数组
题号:713,难度:中等
题目描述:
解题思路:
本题考查应用双指针的思想,一前一后同时往后遍历。
具体代码:
classSolution {public int numSubarrayProductLessThanK(int[] nums, intk) {int result = 0, left = 0, right = 0;int target = 1;while(right
target*= nums[right++];while(left < right && target >=k)
target= target / nums[left++];
result+= (right -left);
}returnresult;
}
}
执行结果:
例6 和为K的子数组
题号:560,难度:中等
题目描述:
解题思路:
本题采用哈希表存储从数组第一个元素不断往后的子序列和,然后判断到当前元素的序列总和减去K的值在哈希表中有多少个,即为包含当前元素的子序列可以得到目标结果,利用前后子序列的差可以得到目标子序列和为K。
具体代码:
classSolution {public int subarraySum(int[] nums, intk) {
Map map = new HashMap<>();
map.put(0, 1);int sum = 0, result = 0;for(int i = 0; i < nums.length; ++i) {
sum+=nums[i];if(map.containsKey(sum-k))
result+= map.get(sum-k);
map.put(sum, map.getOrDefault(sum,0)+1);
}returnresult;
}
}
执行结果:
例7 可被K整除的子数组
题号:974,难度:中等
题目描述:
解题思路:
从第一个元素开始,求取连续子数组的余数(sum % k),采用Map存储每个余数的个数。
相同余数的子数组个数大于等于2时,任意选取其中两个子数组余数相减,即余数抵消,可得到一个符合题目要求的sum。(此处的个数计算方式为:n*(n-1) / 2)
但是,此处有两个需要注意的点:
(1) 如果余数为0,最终0的余数个数只有一个时(1*(1-1)/2 = 0),这样计算会漏掉(如果为多个,也会有遗漏,可以自己计算,可以自己稍微琢磨)。所以,在初始化Map时,添加以下代码:
map.put(0, 1);
(2) 如果余数为负数,就不能执行相同余数相减抵消的操作。此时,需要做以下处理:
//sum % K 正常计算方法
((sum% K) + K) % K //如果为负数时,需要转换为正数,这个转换原
具体代码:
classSolution {public int subarraysDivByK(int[] A, intK) {
Map map = new HashMap<>();
map.put(0, 1);int result = 0;int sum = 0;for(Integer a: A) {
sum+=a;
map.put(((sum% K) + K) % K , map.getOrDefault(((sum % K) + K) % K, 0)+1);
}//System.out.println("map = "+map);
for(Integer key: map.keySet())
result+= map.get(key) * (map.get(key) - 1) / 2;returnresult;
}
}
执行结果:
例8 三个无重叠子数组的最大和
题号:689,难度:困难
题目描述:
解题思路:
采用动态规划求解,状态转移方程:dp[2][n] = max(dp[2][n-1], dp[1][n-k] + sumRange(n, n -k+1))。其中一维长度为3,表示三个子数组。
具体代码(代码引用自LeetCode的一个题解):
classSolution {public int[] maxSumOfThreeSubarrays(int[] nums, intk) {int[][] dp = new int[3][nums.length];int[] cummulative = new int[nums.length];int sum = 0;for (int i = 0; i < nums.length; i++) {
sum+=nums[i];
cummulative[i]=sum;
}for (int i = 0; i < 3; i++) {for (int j = 0; j < nums.length; j++) {if (j < (i + 1) * k - 1) {
dp[i][j]= 0;
}else{if (i == 0) {//易错点: 当k=1的时候,边界条件需要处理一下。
dp[i][j] = Math.max(j > 0 ? dp[i][j - 1] : 0, rangeSum(cummulative, j - k + 1, j));
}else{
dp[i][j]= Math.max(j > 0 ? dp[i][j - 1]: 0, rangeSum(cummulative, j - k + 1, j) + dp[i - 1][j -k]);
}
}
}
}int[] ans = new int[3];int length = dp[2].length - 1;for (int i = 2; i >= 0; i--) {int[] row =dp[i];for (int j = length - 1; j >= 0; j--) {if (row[j] !=row[length]) {
ans[i]= j - k + 2;
length= j - k + 1;break;
}
}
}returnans;
}private int rangeSum(int[] cummulative, int left, intright) {if (left == 0) {returncummulative[right];
}else{return cummulative[right] - cummulative[left - 1];
}
}
}
执行结果:
例9 最长重复子数组
题号:718,难度:中等
题目描述:
解题思路:
本题既可以用哈希表来解答,也可以用动态规划的思想来解答。应用动态规划的思路解答的时间效率最高。此处介绍一下动态规划的解题思路。dp[i][j]表示A [i-1]为终点,B[j-1]为终点时两者的最长公共子数组。具体更新策略见代码。
具体代码:
classSolution {public int findLength(int[] A, int[] B) {int[][] dp = new int[A.length + 1][B.length + 1];int res = 0;for (int i = 1; i <= A.length; i++)for (int j = 1; j <= B.length; j++) {if (A[i - 1] == B[j - 1])
dp[i][j]= dp[i - 1][j - 1] + 1;
res=Math.max(res, dp[i][j]);
}returnres;
}
}
执行结果:
例10 匹配子序列的单词数
题号:792,难度:中等
题目描述:
解题思路:
要特别注意子序列的含义,子序列是按照从前往后的顺序任意多个元素组成的序列,其中的顺序不能更改。因此,不能应用哈希表统计字母的个数来判断是否包含某个单词。此处可采用暴力法直接匹配查找,时间效率较低。此处可采用二分查找来优化匹配结果,能提高时间效率。
具体代码(贴一个LeetCode上评论的代码):
classSolution {
List index[]=new ArrayList[26];public intnumMatchingSubseq(String S, String[] words) {for(int i=0;i
index[ch-'a']=newArrayList();
index[ch-'a'].add(i);
}int res=0,pre;for(String str:words){
pre=-1;for(int i=0;i
pre=helper(str.charAt(i)-'a',pre);if(pre==-1)break;
}if(pre!=-1)
res++;
}returnres;
}private int helper(int i,intpre){if(index[i]==null)return -1;int l=0,r=index[i].size()-1;if(pre==-1)return index[i].get(0);if(index[i].get(r)<=pre)return -1;while(l
l=mid+1;elser=mid;
}returnindex[i].get(l);
}
}
执行结果:
例11 区间子数组个数
题号:795, 难度:中等
题目描述:
解题思路:
最大元素满足大于等于L小于等于R的子数组个数 = 最大元素小于等于R的子数组个数 - 最大元素小于L的子数组个数。
具体代码:
classSolution {public int numSubarrayBoundedMax(int[] A, int L, intR) {return numSubarrayBoundedMax(A, R) - numSubarrayBoundedMax(A, L - 1);
}private int numSubarrayBoundedMax(int[] A, intMax) {int res = 0;int numSubarry = 0;for (intnum : A) {if (num <=Max) {
numSubarry++;
res+=numSubarry;
}else{
numSubarry= 0;
}
}returnres;
}
}
执行结果:
例12 子数组的最小值之和
题号:907,难度:中等
题目描述:
解题思路:
参考自LeetCode的评论解答:计算每个数在子数组中最小的次数。
具体代码:
classSolution {
public int sumSubarrayMins(int[] A) {
long res = 0;
long mod = 1000000007;
for (int i = 0; i
int l = i-1;
for (; l>=0 && A[i] < A[l]; l--) ;
int r = i+1;
for (; r
res += (i-l)*(r-i)*A[i];
}
return (int)(res %mod);
}
}
执行结果:
例13 子序列宽度之和
题号:891,难度:困难
题目描述:
解题思路:
具体代码:
classSolution {public int sumSubseqWidths(int[] A) {final int MOD = (int) (1e9 + 7);
Arrays.sort(A);int n =A.length;long res = 0;long p = 1;for (int i = 0; i < n; ++i) {
res= (res + (A[i] - A[n - 1 - i]) * p) %MOD;
p= (p << 1) %MOD;
}return (int) ((res + MOD) %MOD);
}
}
执行结果:
例14 环形子数组的最大和
题号:918, 难度:中等
题目描述:
解题思路:
因为题目要求有环形,所以需要定义两个变量。一个变量存储当前无环形是的连续最大子数组和,一个存储无环形连续最小子数组和。最后采用数组的总和减去最小和,和已经保存的最大和进行比较。另外,需要注意一点如果数组全部为负数时,此时直接返回子数组的最大值(因为此时,最小子数组和就是数组的和)。
具体代码:
classSolution {public int maxSubarraySumCircular(int[] A) {int max = A[0];int min = A[0];int maxSoFar = A[0];int minSoFar = A[0];int sum = A[0];for (int i=1;i
sum+=A[i];
maxSoFar= Math.max(A[i],maxSoFar+A[i]);
minSoFar= Math.min(A[i],minSoFar+A[i]);
max=Math.max(max,maxSoFar);
min=Math.min(min,minSoFar);
}if (max < 0)returnmax;return Math.max(max,sum-min);
}
}
执行结果:
例15 最长湍流子数组
题号:978,难度:中等
题目描述:
解题思路:
采用连续三个位置数据是否符合湍流特征来判断,时间复杂度为O(n)。
具体代码(引用自LeetCode一个评论代码):
classSolution {public int maxTurbulenceSize(int[] A) {int N =A.length;int ans = 1;int anchor = 0;for (int i = 1; i < N; ++i) {int c = Integer.compare(A[i-1], A[i]);if (i == N-1 || c * Integer.compare(A[i], A[i+1]) != -1) {if (c != 0) ans = Math.max(ans, i - anchor + 1);
anchor=i;
}
}returnans;
}
}
执行结果:
例16 两个非重叠子数组的最大和
题号:1031,难度:中等
题目描述:
解题思路:
采用滑动窗口的思路来解答,对长度为L的数组,采用大小为L的滑动窗口,对于长度为M的数组采用大小为M的窗口。然后,通过两个窗口之间的距离来遍历。
具体代码:
classSolution {public int maxSumTwoNoOverlap(int[] A, int L, intM) {int len = A.length, dpL[] = new int[len - L + 1], dpM[] = new int[len - M + 1], max = 0;for (int i = 0; i < L; i++)
dpL[0] +=A[i];for (int i = 0; i < M; i++)
dpM[0] +=A[i];for (int i = 1; i < len - L + 1; i++)
dpL[i]= dpL[i - 1] + A[i + L - 1] - A[i - 1];for (int i = 1; i < len - M + 1; i++)
dpM[i]= dpM[i - 1] + A[i + M - 1] - A[i - 1];for (int i = 0; i < len - L - M + 1; i++) {int count = len - i - L -M;while (count >= 0) {
max= Math.max(max, Math.max(dpL[i] + dpM[i + L + count], dpM[i] + dpL[i + M +count]));
count--;
}
}returnmax;
}
}
执行结果:
例17 子数组中占绝大多数的元素
题号:1157,难度:困难
题目描述:
解题思路:
采用哈希数组来解答,一旦哈希数组中目标元素值大于等于threshold,就返回目标数字,否则返回-1。
具体代码:
classMajorityChecker {private int[] nums;private int[] ans;private intmax;public MajorityChecker(int[] arr) {
nums=arr;
max= arr[0];for(intx : arr)if(x >max)
max=x;
}public int query(int left, int right, intthreshold) {
ans= new int[max + 5];for(int i = left;i <= right;i++){if(++ans[nums[i]] >=threshold)returnnums[i];
}return -1;
}
}
执行结果:
如果觉得我的文章对您有用,请随意打赏。你的支持将鼓励我继续创作!