两个数组的交集
349. 两个数组的交集1
难度:Easy
题目描述:
给定两个数组,编写一个函数来计算它们的交集。
示例 1:
输入:nums1 = [1,2,2,1], nums2 = [2,2]
输出:[2]
示例 2:
输入:nums1 = [4,9,5], nums2 = [9,4,9,8,4]
输出:[9,4]
说明:
输出结果中的每个元素一定是唯一的。
我们可以不考虑输出结果的顺序。
解题思路:
解法一:利用Set
将第一个数组用Set结构存储,进行去重。然后遍历第二个数字,查找在Set中是否出现过。
class Solution {
public:
vector<int> intersection(vector<int>& nums1, vector<int>& nums2) {
unordered_set<int> nums1_set(nums1.begin(), nums1.end());
unordered_set<int> result;
for (auto num : nums2)
{
if (nums1_set.count(num) == 1)
{
result.insert(num);
}
}
return vector<int>(result.begin(), result.end());
}
};
350. 两个数组的交集2
难度:Easy
题目描述:
给定两个数组,编写一个函数来计算它们的交集。
示例 1:
输入:nums1 = [1,2,2,1], nums2 = [2,2]
输出:[2,2]
示例 2:
输入:nums1 = [4,9,5], nums2 = [9,4,9,8,4]
输出:[4,9]
说明:
输出结果中每个元素出现的次数,应与元素在两个数组中出现次数的最小值一致。
我们可以不考虑输出结果的顺序。
进阶:
- 如果给定的数组已经排好序呢?你将如何优化你的算法?
- 如果 nums1 的大小比 nums2 小很多,哪种方法更优?
- 如果 nums2 的元素存储在磁盘上,磁盘内存是有限的,并且你不能一次加载所有的元素到内存中,你该怎么办?
解题思路:
解法一:哈希法
对短的数组进行哈希,每出现一个数字相应的位置就加一。
遍历长的数组,每在哈希表中出现一次result中添加一个,相应的计数减一。
空间复杂度O(min(m,n)), 时间复杂度O(m+n)
class Solution {
public:
vector<int> intersect(vector<int>& nums1, vector<int>& nums2) {
if (nums1.size() > nums2.size())
{
return intersect(nums2, nums1); // 对短的数组进行哈希
}
unordered_map<int, int> map;
for (auto nums : nums1)
{
++map[nums];
}
vector<int> result;
for (auto nums : nums2)
{
if (map.count(nums))
{
result.push_back(nums);
--map[nums];
if(map[nums] == 0){
map.erase(nums);
}
}
}
return result;
}
};
解法二:排序法
先对两个数组进行排序,然后用两个指针指向两个数组。
- pointer1 < pointer2 : pointer1++
- pointer1 > pointer2 : pointer2++
- pointer1 == pointer2 : result
空间复杂度O(1),只需要一个vector存储最后的结果,不需要额外的存储空间。
时间复杂度O(mlogm+nlogn),其中O(mlogm+nlogn)是排序算法的时间,遍历的时间是O(m+n),共O(mlogm+nlogn)。
class Solution {
public:
vector<int> intersect(vector<int>& nums1, vector<int>& nums2) {
sort(nums1.begin(), nums1.end());
sort(nums2.begin(), nums2.end());
int index1 = 0, index2 = 0;
vector<int> result;
while(index1 < nums1.size() && index2 < nums2.size()){
if(nums1[index1] < nums2[index2]){
index1++;
}else if(nums1[index1] > nums2[index2]){
index2++;
}else{
result.push_back(nums1[index1]);
index1++;
index2++;
}
}
return result;
}
};
扩展问题:
- 如果已经排好序可以利用方法二的思想,只需要O(m+n)就可以解决
- 选用短的数组做hash可以节约大量的空间
- 对于大数据不能一次性读入内存,可以利用归并排序方法,使用方法二更加科学