lc 1365. 有多少小于当前数字的数字(计数排序

计数排序解决小于当前数问题
本文介绍了一种利用计数排序解决LeetCode题目“有多少小于当前数字的数字”的方法。通过记录每个数字出现的次数及计算前缀和,快速得出每个数对应的答案。
部署运行你感兴趣的模型镜像

1365. 有多少小于当前数字的数字

难度简单111

给你一个数组 nums,对于其中每个元素 nums[i],请你统计数组中比它小的所有数字的数目。

换而言之,对于每个 nums[i] 你必须计算出有效的 j 的数量,其中 j 满足 j != i  nums[j] < nums[i] 。

以数组形式返回答案。

 

示例 1:

输入:nums = [8,1,2,2,3]
输出:[4,0,1,1,3]
解释: 
对于 nums[0]=8 存在四个比它小的数字:(1,2,2 和 3)。 
对于 nums[1]=1 不存在比它小的数字。
对于 nums[2]=2 存在一个比它小的数字:(1)。 
对于 nums[3]=2 存在一个比它小的数字:(1)。 
对于 nums[4]=3 存在三个比它小的数字:(1,2 和 2)。

示例 2:

输入:nums = [6,5,4,8]
输出:[2,1,0,3]

示例 3:

输入:nums = [7,7,7,7]
输出:[0,0,0,0]

 

提示:

  • 2 <= nums.length <= 500
  • 0 <= nums[i] <= 100

可以直接想到得是:O(n^2)

class Solution {
    // 最基础的办法:两重循环,为每个数遍历一次数组,统计比他小的数的个数
    public int[] smallerNumbersThanCurrent(int[] nums) {
        int[] rs=new int[nums.length];
        for(int i=0;i<rs.length;i++){
            for(int j=0;j<rs.length;j++){
                if(nums[j]<nums[i]){
                    rs[i]++;
                }
            }
        }
        return rs;
    }
}

但是看了下元素范围,我发现事情没那么简单:

元素范围在[0,100],可以联想到利用索引实现哈希表,但是没有直接想到解法,不过看了下题解,有两个做法倒是很合适本题:

1.quick select,每次都能将一个元素放到他应该在的位置,他左边的都是比它小的

2.计数排序:计算每个数出现的次数,然后计算前缀和:

8 1 2 2 3

0 1 2 3 4 5 6 7 8 9 ...
   1 2 1             1
0 1 3 4              5

首先附上第二种解法的代码:

class Solution {
    
    public int[] smallerNumbersThanCurrent(int[] nums) {
        // 记下每个数字出现的次数,因为数组元素范围是[0,100],所以数组大小为101
        int[] cnt = new int[101];
        // 计数
        for (int i : nums) {
            cnt[i]++;
        }
        int[] preSum = new int[cnt.length];
        preSum[0] = cnt[0];
        // 计算cnt的前缀和:也就是小于等于该数的数出现的次数
        for (int i = 1; i < cnt.length; i++) {
            preSum[i] = preSum[i - 1] + cnt[i];
        }
        int[] rs = new int[nums.length];
        // 前缀和还需要减去该数自己出现的次数,才是小于该数的数出现的次数
        for (int i = 0; i < rs.length; i++) {
            rs[i] = preSum[nums[i]] - cnt[nums[i]];
        }
        return rs;
    }

    public static void main(String[] args) {
        int[] a = {8, 1, 2, 2, 3};
        new Solution().smallerNumbersThanCurrent(a);
    }
}

然后是quick select,又复习一遍partition函数:

emmm 看了下 好像不是用quick select ,而是单纯排序,之后再统计

(不过确实复习了一下快排

您可能感兴趣的与本文相关的镜像

Langchain-Chatchat

Langchain-Chatchat

AI应用
Langchain

Langchain-Chatchat 是一个基于 ChatGLM 等大语言模型和 Langchain 应用框架实现的开源项目,旨在构建一个可以离线部署的本地知识库问答系统。它通过检索增强生成 (RAG) 的方法,让用户能够以自然语言与本地文件、数据库或搜索引擎进行交互,并支持多种大模型和向量数据库的集成,以及提供 WebUI 和 API 服务

基于据驱动的 Koopman 算子的递归神经网络模型线性化,用于纳米定位系统的预测控制研究(Matlab代码实现)内容概要:本文围绕“基于据驱动的 Koopman 算子的递归神经网络模型线性化,用于纳米定位系统的预测控制研究”展开,提出了一种结合据驱动方法与Koopman算子理论的递归神经网络(RNN)模型线性化方法,旨在提升纳米定位系统的预测控制精度与动态响应能力。研究通过构建据驱动的线性化模型,克服了传统非线性系统建模复杂、计算开销大的问题,并在Matlab平台上实现了完整的算法仿真与验证,展示了该方法在高精度定位控制中的有效性与实用性。; 适合人群:具备一定自动化、控制理论或机器学习背景的科研人员与工程技术人员,尤其是从事精密定位、智能控制、非线性系统建模与预测控制相关领域的研究生与研究人员。; 使用场景及目标:①应用于纳米级精密定位系统(如原子力显微镜、半导体制造设备)中的高性能预测控制;②为复杂非线性系统的据驱动建模与线性化提供新思路;③结合深度学习与经典控制理论,推动智能控制算法的实际落地。; 阅读建议:建议读者结合Matlab代码实现部分,深入理解Koopman算子与RNN结合的建模范式,重点关注据预处理、模型训练与控制系统集成等关键环节,并可通过替换实际系统据进行迁移验证,以掌握该方法的核心思想与工程应用技巧。
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