代码随想录-数组部分
一.二分查找
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。
示例 1:
输入: nums = [-1,0,3,5,9,12], target = 9
输出: 4
解释: 9 出现在 nums 中并且下标为 4 示例 2:
输入: nums = [-1,0,3,5,9,12], target = 2
输出: -1
解释: 2 不存在 nums 中因此返回 -1 提示：
- 你可以假设 nums 中的所有元素是不重复的。
- n 将在 [1, 10000]之间。
- nums 的每个元素都将在 [-9999, 9999]之间。
二分查找代码模板
bool check(int x) {/* ... */} // 检查x是否满足某种性质 // 区间[l, r]被划分成[l, mid]和[mid + 1, r]时使用： int bsearch_1(int l, int r) { while (l < r) { int mid = l + r >> 1; if (check(mid)) r = mid; // check()判断mid是否满足性质 else l = mid + 1; } return l; } // 区间[l, r]被划分成[l, mid - 1]和[mid, r]时使用： int bsearch_2(int l, int r) { while (l < r) { int mid = l + r + 1 >> 1; if (check(mid)) l = mid; else r = mid - 1; } return l; }
思路就是分而治之，每次将问题规模缩小为原来的一半，时间复杂度为log n
LeetCode代码
class Solution { public: int search(vector<int>& nums, int target) { int l = 0; int r = nums.size(); int mid = -1; while (l < r) { mid = (l + r) / 2; if (nums[mid] == target) break; else if (nums[mid] > target) r = mid; else l = mid + 1; } if (l >= r) { return -1; } return mid; } };
二.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
这里一开始的思路的使用快排的双指针，设置i指向队头和j指向队尾，如果a[i] = val 并且a[j] != val，就交换两个的值，这样就做到了把所有的val放到了后面，但是在处理边界的时候出现了问题，没有写出正确的代码
第二种思路，是双指针都指向队头，并且进行重复赋值，a[i] = a[j],如果当前检测到的不是val，就正常赋值，如果是val，就跳过，这里的方法非常巧妙，这里借鉴一下carl哥的图片
这样的核心代码就是
for(int j = 0;j < len;j++) { if(a[j] != val) { a[i++] = a[j]; } }
LeetCode代码
class Solution { public: int removeElement(vector<int>& nums, int val) { int j = 0; for(int i = 0;i < nums.size();i++) { if (nums[i] != val) { nums[j++] = nums[i]; } }
//最后返回去除了val的数组的长度 return j; } };
三.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
由于计算的是平方，所以我们无法确定处最小值，但是可以先确定出最大值，这里最大值肯定是从第一个数的平方和最后一个数的平方中选出，我们可以先找出最大值，然后从小到大存放结果，将最大值放到数组最后，然后依次寻找数组剩余中的最大值
这里因为要比较的是后面的元素平方和前面的元素平方，所以也用到了双指针
还是借用一下carl哥的图片，解释的非常直观
核心代码
int i = 0,j = len-1; k = len - 1; while (i < j) { if (a[i]*a[i] < a[j]*a[j]) { b[k--] = a[j] * a[j]; } else { b[k--] = a[i]*a[i]; } }
LeetCode代码
class Solution { public: vector<int> sortedSquares(vector<int>& nums) { int k = nums.size() - 1; vector<int> res(nums.size(),0); int i = 0,j = nums.size() - 1; while (i <= j) { if (nums[i]*nums[i] < nums[j]*nums[j]) { res[k--] = nums[j]*nums[j]; j--; } else { res[k--] = nums[i]*nums[i]; i++; } } return res; } };
四.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。
提示：
- 1 <= target <= 10^9
- 1 <= nums.length <= 10^5
- 1 <= nums[i] <= 10^5
思路
暴力解法
两层循环，暴力破解
时间复杂度为O(n^2)
代码
class Solution { public: int minSubArrayLen(int target, vector<int>& nums) { int res = INT32_MAX; int sum = 0; int subLength = 0; for(int i = 0;i < nums.size();i++) { sum = 0; for(int j = i;j < nums.size();j++) { sum += nums[j]; if (sum >= target) { subLength = j - i + 1; res = res < subLength ? res : subLength; break; } } } return res == INT32_MAX ? 0 :res; } };
优化思路
滑动窗口
滑动窗口的核心思路是不断的调整窗口的位置，使得窗口内的元素符合某个条件，找到最优解
滑动窗口的三个主要问题
- 窗口内是什么？
- 如何移动窗口的起始位置？
- 如何移动窗口的结束位置？
面对这个题，我们要做的是让窗口内的元素的和大于target,通过不断的移动窗口，找到窗口的最小范围，即结束位置-起始位置的最小值
核心代码（移动窗口）
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），即窗口向右移动 }
LeetCode代码
class Solution { public: int minSubArrayLen(int target, vector<int>& nums) { int res = INT32_MAX; int subLength = 0; int sum = 0; int i = 0; for(int j = 0;j < nums.size();j++) { sum += nums[j]; while (sum >= target) { subLength = j - i + 1; res = res < subLength ? res : subLength; sum -= nums[i++]; } } return res == INT32_MAX ? 0 : res; } };
