数字在排序数组中出现的次数

本文介绍了一种在有序数组中寻找特定元素起始和结束位置的方法,通过两种不同的二分查找策略实现,确保了时间复杂度为O(logn)。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

这里写图片描述

思路1

这道题让我们在一个有序整数数组中寻找相同目标值的起始和结束位置,而且限定了时间复杂度为O(logn),这是典型的二分查找法的时间复杂度,所以这道题我们也需要用此方法,我们的思路是首先对原数组使用二分查找法,找出其中一个目标值的位置,然后向两边搜索找出起始和结束的位置,代码如下:

    //先找到一个目标值的位置,再左右搜索找到起始位置
    public int[] searchRange(int arr[],int target) {
        int index = search(arr,0,arr.length,target);
        if(index == -1) return new int[]{-1,-1};
        int left = index , right = index;
        while(left > 0&&arr[left-1]==arr[index]) --left;
        while(right < arr.length && arr[right+1] == arr[index]) ++right;
        return new int[] {left,right};
    }

    private int search(int[] arr, int left, int right, int target) {
        if(left >right) return -1;
        int mid = left+(right - left)/2;
        if(arr[mid] == target) 
            return mid;
        else if(arr[mid]<target) 
            return search(arr, mid+1, right, target);
        else 
            return search(arr, left, mid-1, target);
    }

思路2

可能有些人会觉得上面的算法不是严格意义上的O(logn)的算法,因为在最坏的情况下会变成O(n),比如当数组里的数全是目标值的话,从中间向两边找边界就会一直遍历完整个数组,那么我们下面来看一种真正意义上的O(logn)的算法,使用两次二分查找法,第一次找到左边界,第二次调用找到右边界即可,重新实现lower_boundupper_bound

    //二分查找法:第一次找到左边界,第二次找到右边界,即实现 lower_bound 和 upper_bound
    // 时间复杂度O(logn),空间复杂度O(1)
    public int[] searchRange2(int[] nums, int target) {
        int lower = lower_bound(nums, 0, nums.length, target);
        int upper = upper_bound(nums, 0, nums.length, target);
        if (lower == nums.length || nums[lower] != target)
            return new int[]{-1, -1};
        else
            return new int[]{lower, upper-1};
    } 
    //lower_bound找到左边界
    public int lower_bound (int[] A, int first, int last, int target) {
        while (first != last) {
            int mid = first + (last - first) / 2;
            if (target > A[mid]) first = ++mid;
            else last = mid;
        } 
        return first;
    }
    //upper_bound找到右边界
    public int upper_bound (int[] A, int first, int last, int target) {
        while (first != last) {
            int mid = first + (last - first) / 2;
            if (target >= A[mid]) first = ++mid; // 与 lower_bound 仅此不同
            else last = mid;
        } 
        return first;
    }
<think>好的,我现在需要帮助用户找到力扣上关于“数组中出现次数超过一半的数字”的相关题目。首先,根据用户提供的引用内容,特别是引用[1]到[5],可以看出用户主要关注的是剑指 Offer 39题,也就是多元素问题。用户可能希望了解这道题的具体内容、解题思路以及相关方法。 首先,我需要确认用户提到的题目在力扣上的具体编号和名称。根据引用[1]、[2]、[3]、[4]和[5],都指向了同一道题:剑指 Offer 39. 数组中出现次数超过一半的数字。因此,我应该首先明确这道题的基本要求和示例。 接下来,用户可能需要了解不同的解题方法,比如哈希表统计法、排序法、摩尔投票法等。根据引用[3]和[4]提到的摩尔投票法,这种方法的时间复杂度是O(n),空间复杂度是O(1),是一个高效的解法。需要详细解释摩尔投票法的原理,比如票正负抵消的机制,以及如何通过遍历数组找到众。 然后,用户可能需要了解其他相关题目,比如力扣中的第169题“多元素”,这与剑指Offer 39题类似,但可能有不同的输入条件或变种问题。此外,用户可能对类似的问题感兴趣,比如“求众II”(第229题),需要找出出现次数超过n/3次的元素,这可以扩展用户的理解。 在整理回答时,需要确保符合用户给出的系统级指令,例如所有学表达式用$...$格式,独立公式用$$...$$,并且正确使用中文。同时,生成相关问题时要考虑用户可能的后续疑问,比如不同解法的比较、时间空间复杂度分析、实际应用场景等。 需要验证引用的正确性,确保引用的内容与对应的题目一致。例如,引用[3]提到的推论二关于票和的抵消机制,这确实是摩尔投票法的核心思想,需要正确引用。同时,代码示例需要符合用户提供的Python语法,并确保正确性。 最后,生成的相关问题需要覆盖用户可能感兴趣的方向,如其他相关题目、优化方法、实际应用等,确保问题具有引导性,帮助用户深入理解该算法题的不同方面。</think>### 数组中出现次数超过一半的数字剑指 Offer 39) #### 题目描述 数组中有一个数字出现的次数超过数组长度的一半,请找出这个数字。假设数组非空且总存在多元素。 示例: 输入:`[1,2,3,2,2,2,5,4,2]` 输出:`2`(出现5次,数组长度9) --- #### 核心思路 1. **摩尔投票法** 通过**票正负抵消**的思想,假设众(出现次数超半)的票为$+1$,非众的票为$-1$。由于众量占优,最终剩余的数字必为众[^3][^4]。 **步骤**: - 初始化候选值`x`和票`votes` - 遍历数组:若票为0,更新候选值为当前元素;否则根据当前元素是否等于候选值增减票 - 最终候选值即为众 ```python def majorityElement(nums): votes, x = 0, None for num in nums: if votes == 0: x = num votes += 1 if num == x else -1 return x ``` 2. **其他解法** - **哈希统计法**:统计频率,时间复杂度$O(n)$,空间复杂度$O(n)$ - **排序法**:排序后取中间值,时间复杂度$O(n \log n)$,空间复杂度$O(1)$ --- #### 相关题目 1. **力扣169. 多元素** 与本题完全相同,可用相同解法[^2][^5]。 2. **力扣229. 求众II** 扩展问题:找出所有出现次数超过$\lfloor n/3 \rfloor$次的元素,需结合摩尔投票法改进[^1]。 ---
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值