Leetcode(二)-哈希表(一)

本文详细解析了多种经典算法题目,包括宝石与石头、分糖果、两句话中的不常见单词、快乐数、计数质数、错误的集合等,通过实例讲解了不同算法的实现思路与代码实现。

771. 宝石与石头

思路:两种方法,一种是直接暴力匹配,时间复杂度为O(nm),另外一种是先用Hash存宝石串,然后再遍历

class Solution {
public:
    int numJewelsInStones(string J, string S) {
        
        int lenJ = J.length();
        int lenS = S.length();
        int Hash[58] = {0};
        int res = 0;
        if (lenJ==0||lenS==0) return res;
        for(int i=0;i<lenJ;i++)
            Hash[J[i]-65] = 1;
        for(int i=0;i<lenS;i++)
        {
            if(Hash[S[i]-65]==1) res++;
        }
        return res;
    }
};

575. 分糖果

思路:再补

class Solution {
public:
    int distributeCandies(vector<int>& candies) {
        
        set<int> s;
        for(int i=0;i<candies.size();i++)
        {
            s.insert(candies[i]);
        }
        int kindsNum = s.size();
        int totalNum = candies.size()/2;
        return min(kindsNum,totalNum);
    }
};

884. 两句话中的不常见单词

思路:拼接字符串,查看字符串出现一次的次数

class Solution {
public:
    vector<string> uncommonFromSentences(string A, string B) {
        
        unordered_map<string,int> hashmap;
        vector<string> res;
        string word;
        stringstream out(A+" "+B);
        while(out>>word)
            hashmap[word]++;
        for(auto iter=hashmap.begin();iter!=hashmap.end();iter++)
        {
            if(iter->second == 1)
                res.push_back(iter->first);
        }
        return res;
    }
};

202. 快乐数

思路:直接模拟n被拆分为各个位平方和,如果再次出现n,则直接判false

class Solution {
public:
    bool isHappy(int n) {
        
        unordered_set<int> s;
        int sum = 0;
        while(n!=1)
        {
            s.insert(n);
            sum = 0;
            while(n!=0)
            {
                sum+=(n%10)*(n%10);
                n/=10;
            }
            n = sum;
            if(s.count(n)!=0) return false;
        }
        return true;
    }
};

204. 计数质数

思路:埃拉托斯特尼筛法

class Solution {
public:
    int countPrimes(int n) {
        
        vector<bool> isPrime(n+1,true);
        int res = 0;
        for(int i=2;i<n;i++)
        {
            if(isPrime[i])
            {
                res++;
                for(int j=2;i*j<n;j++)
                {
                    isPrime[i*j] = false;
                }
            }
        }
        return res;
    }
};

645. 错误的集合

思路:暴力,遍历三次,缺失的值:SUM(1...N)-SUM(set(1...N)),重复的值:SUM(array[i...N])-SUM(set(1...N))

class Solution {
public:
    vector<int> findErrorNums(vector<int>& nums) {
        set<int> s;
        vector<int> res;
        for(int i=0;i<nums.size();i++) s.insert(nums[i]);
        int sumSet = 0;
        int sumTotal = 0;
        int sumN = 0;
        for(int i=0;i<nums.size();i++) sumTotal+= nums[i];
        for(auto iter = s.begin();iter!=s.end();iter++) sumSet+=*iter;
        for(int i=1;i<=nums.size();i++) sumN+=i;
        res.push_back(sumTotal-sumSet);
        res.push_back(sumN-sumSet);
        return res;
    }
};

还有一种就所有都叠加一遍次数,然后统计次数为0还是次数==2的(因为重复的和缺失的都只缺失一次)

class Solution {
public:
    vector<int> findErrorNums(vector<int>& nums) {
        
        vector<int> Hash(nums.size()+1,0);
        vector<int> res(2,0);
        for(auto num:nums)
            Hash[num]++;
        for(int i=1;i<=nums.size();i++)
        {
            if(Hash[i]==2) res[0] = i;
            if(Hash[i]==0) res[1] = i;
        }
        return res;
    }
};

 

LeetCode 中,two-sum 问题是经典的算法问题之。使用哈希表解法是其中种高效且常见的实现方式。该方法的时间复杂度为 O(n),空间复杂度也为 O(n),相较于暴力双重循环的 O() 方法更优。 ### 哈希表解法的核心思想 通过遍历数组,在每次迭代中计算当前元素与目标值之间的差值(即 `target - nums[i]`),然后检查该差值是否已经存在于哈希表中。如果存在,则说明找到了满足条件的两个数;如果不存在,则将当前元素及其索引存入哈希表中,以便后续查找。 ### C++ 实现代码 ```cpp class Solution { public: vector<int> twoSum(vector<int>& nums, int target) { unordered_map<int, int> hash; // 存储元素的值和下标 int n = nums.size(); for (int i = 0; i < n; ++i) { int x = target - nums[i]; // 寻找对应的另个加数 if (hash.count(x)) return { hash[x], i }; // 如果找到,直接返回结果 else hash[nums[i]] = i; // 否则,将当前元素存入哈希表 } return { -1, -1 }; // 没有找到符合条件的两个数 } }; ``` ### C 实现代码 另种实现方式是使用静态分配或动态分配的哈希表结构,例如使用数组模拟哈希表。这种方法在某些特定条件下可能效率更高,尤其是当输入数据范围较小且已知时。 以下是个优化过的 C 语言实现示例: ```c int* twoSum(int* nums, int numsSize, int target, int* returnSize) { int min = INT_MAX; *returnSize = 2; int i = 0; for (i = 0; i < numsSize; i++) { if (nums[i] < min) min = nums[i]; } int max = target - min; int len = max - min + 1; // 确定哈希表长度 if (len <= 50000) { int *table = (int*)malloc(len * sizeof(int)); int *indice = (int*)malloc(2 * sizeof(int)); for (i = 0; i < len; i++) { table[i] = -1; // 初始化哈希表 } for (i = 0; i < numsSize; i++) { if (nums[i] - min < len) { if (table[target - nums[i] - min] != -1) { indice[0] = table[target - nums[i] - min]; indice[1] = i; return indice; } table[nums[i] - min] = i; } } free(table); return indice; } else { int *a = (int *)malloc(sizeof(int) * 2); for (int i = 0; i < numsSize; i++) { for (int j = 0; j < numsSize; j++) { if (i != j && nums[i] + nums[j] == target) { a[0] = i; a[1] = j; return a; } } } return NULL; } } ``` ### 关键点分析 - **时间复杂度**:O(n),因为每个元素只被处理次。 - **空间复杂度**:O(n),用于存储哈希表- **适用场景**:适用于需要快速查找配对值的问题。 - **注意事项**:确保在查找过程中不会重复使用同个元素,因此需在哈希表中保存的是之前遍历过的元素[^2]。 ---
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