**数组是存放在联系内存空间上的相同类型数据的集合。**数组可以方便的通过下标索引的方式获取到下标下对应的数据。
注意:
数组下标都是从0开始。
数组内存空间的地址是连续的。
因为数组在内存空间的地址是连续的,所以我们在增加或删除元素的时候,就难免要移动其他元素的地址。
数组的元素是不能直接删除,只能对其覆盖。
在java中二维数组不是连续的。
二分查找 二分查找(Binary Search),也叫折半查找。二分查找两个要求:1.数组有序 ,2.数列是采用顺序存储结构(数组)
给定一个 n 个元素有序的(升序)整型数组 nums 和一个目标值 target ,写一个函数搜索 nums 中的 target,如果目标值存在返回下标,否则返回 -1。 输入:nums = [1,0,3,5,9,12] target = 9 输出:4 解释:9在 nums 中的下标为4 输入:nums = [1,0,3,5,9,12] target = 2 输出:-1 解释:2在 nums 中不存在思路:
**有序数组,无重复。**因为一旦有重复元素,二分查找的元素下标可能不唯一。根据折半查找定义一步一步做就好了,考虑好边界条件。
代码示例:class Solution { //闭合区间 public int search(int [] nums , int target){ //首先判断是否在本数组内 if(target < nums[0] || target > nums[nums.length-1]){ return -1; } int left = 0,right = nums.length-1; while (left <= right){ int mid = (left + right) >> 1; if(nums[mid] == target){ return mid; }else if(nums[mid] > target){ right = mid - 1; }else if (nums[mid] < target){ left = mid + 1; } } return -1; } }总结:
二分查找是重要的基础算法,只要是对区间定义理解清楚,在循环中要坚持根据查找区间的定义来做边界处理。
理解好二分查找的定义即可。
移除元素
给你一个数组 nums 和一个值 val,你需要 原地 移除所有数值等于 val 的元素,并返回移除后数组的新长度。 不要使用额外的数组空间,你必须仅使用 O(1) 额外空间并 原地 修改输入数组。 元素的顺序可以改变。你不需要考虑数组中超出新长度后面的元素。 - 示例 1: 给定 nums = [3,2,2,3], val = 3, 函数应该返回新的长度 2, 并且 nums 中的前两个元素均为 2。 你不需要考虑数组中超出新长度后面的元素。 - 示例 2: 给定 nums = [0,1,2,2,3,0,4,2], val = 2, 函数应该返回新的长度 5, 并且 nums 中的前五个元素为 0, 1, 3, 0, 4。
你不需要考虑数组中超出新长度后面的元素。
思路: 数组的元素在内存地址中是连续的,不能单独删除数组中某个元素,只能覆盖。
方法一: 暴力解法:两层for循环,第一个for循环遍历数组元素,第二个for循环更新数组。
代码示例:时间复杂度O(n^2)
//暴力破解 public int removeElement(int []nums , int val ){ int size = nums.length; for(int i = 0 ; i < size ; i ++){ if(nums[i] == val){ for(int j = i + 1 ; j < size ; j ++){ nums[j-1] = nums[j]; } i -- ; size -- ; } } return size ; }方法二:快慢指针
快指针先和val相比较,如果不相等就往下走。慢指针同时往下走。
时间复杂度O(n) 代码示例:
public int removeElement(int [] nums , int val){ //快慢指针 int fastIndex = 0; int slowIndex; for(slowIndex = 0 ; fastIndex < nums.length ; fastIndex++){ if(nums[fastIndex] != val){ nums[slowIndex] = nums[fastIndex]; slowIndex++; } } return slowIndex; }有序数组的平方
给你一个按 非递减顺序 排序的整数数组 nums,返回 每个数字的平方 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] 示例 2: 输入:nums = [-7,-3,2,3,11] 输出:[4,9,9,49,121]思路: 方法一:
暴力破解,最直观的方法。利用一个for循环,逐个求平方,然后利用Arrays.sort()方法排序。
代码示例://暴力破解 public int [] sortedSquares(int [] nums){ for(int i = 0 ; i < nums.length ; i ++){ nums[i] *= nums[i]; } Arrays.sort(nums); return nums; }
时间复杂度O(n) 方法二:
双指针法:
数组其实是有序的, 只不过负数平方之后可能成为最大数了。
那么数组平方的最大值就在数组的两端,不是最左边就是最右边,不可能是中间。
此时可以考虑双指针法了,left指向起始位置,right指向终止位置。
定义一个新数组result,和A数组一样的大小,让k指向result数组终止位置。
如果A[left] * A[left] < A[right] * A[right] 那么result[k--] = A[right] * A[right]; 。
如果A[left] * A[left] >= A[right] * A[right] 那么result[k--] = A[left] * A[left]; 。
代码示例:public int [] sortedSquares01(int [] nums){ int left = 0 , right = nums.length -1 ; int k = nums.length - 1; int [] result = new int [nums.length]; while(left <= right){ if(nums[left] *nums[left] < nums[right] * nums[right]){ result[k] = nums[right] * nums[right]; k -- ;right --; }else { result[k] = nums[left] *nums[left]; k --; left ++; } } return result; }
时间复杂度:O(n) 长度最小的子数组
给定一个含有 n 个正整数的数组和一个正整数 s ,找出该数组中满足其和 ≥ s 的长度最小的 连续 子数组,并返回其长度。如果不存在符合条件的子数组,返回 0。 示例: 输入:s = 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。思路: 方法一:
暴力破解:
根据两重for循环,不断寻找符合条件的子序列
代码示例:public static int minSubArrayLen(int [] nums , int s){ //最终结果 int result = Integer.MAX_VALUE; //sum 数组加和 , subLength 子数组的长度 int sum = 0 , subLength = 0; for (int i = 0; i < nums.length; i++) { sum = 0; for (int j = i; j < nums.length; j++) { sum += nums[j]; if(sum >= s){ subLength = j - i + 1; result = result < subLength ? result : subLength; break; } } } return result == Integer.MAX_VALUE ? 0 : result; }
时间复杂度O(n^2) 方法二:
滑动窗口法:不断调节子序列的起始位置和终止位置,从而得出想要的结果
首先int 一个快指针int right 然后int 一个慢指针 left 计算left–right之间的元素的和是否大于s。再将left指针向前移动。最后得出结果
滑动窗口实现过程
窗口内容如何确定窗口的起始位置如何确定窗口的终止位置
窗口就是满足 窗口内部元素的和 >= s 的最小长度的连续子数组。
窗口起始位置移动: 如果当前窗口的值大于 s ,窗口则需要向前移动(窗口给减小)
窗口终止位置移动:窗口终止位置就是数组遍历的指针,窗口起始位置设置为数组的起始位置就可以了。
滑动窗口的精妙之处在于根据当前子序列中和的大小情况,不断调节子序列的起始位置。从而将O(n^2)的暴力破解法降为O(n)的滑动窗口法
代码示例://最终结果 int result = Integer.MAX_VALUE; int left = 0 ; //滑动窗口之和 int sum = 0; for(int right = 0 ; right < nums.length ; right++){ //sum 加所有nums[right]的值 sum += nums[right]; while(sum >= target){ result = Math.min(result,right - left + 1); sum -= nums[left++]; //left ++ ; } } return result == Integer.MAX_VALUE ? 0 : result;
时间复杂度O(n)
欢迎分享,转载请注明来源:内存溢出
评论列表(0条)