349. Intersection of Two Arrays

本文详细介绍了三种计算两个数组交集的算法方法:排序与合并、哈希集合及二分查找。通过实例演示了每种方法的具体操作流程,并提供了基于二分查找的Java代码实现,展示了如何利用HashSet进行数据存储和结果返回。

Given two arrays, write a function to compute their intersection.
Example:

Input: nums1 = [1,2,2,1], nums2 = [2,2]
Output: [2]

三种方法:
1.sort&merge
2.hashset
3.binary search

//binary search
class Solution {
    public int[] intersection(int[] nums1, int[] nums2) {
    if(nums1==null||nums2==null){
        return null;
    }
    //binary search
    HashSet<Integer> set =new HashSet<>();
    Arrays.sort(nums2);
    for(int i=0;i<nums1.length;i++){
        //put nums1 into nums2 to do binary search
        if(set.contains(nums1[i])){
            continue;
        }
        if(Bsearch(nums2, nums1[i])){
        set.add(nums1[i]);
        }
    }
    int[] result=new int[set.size()];
    //put the set into result
    int k=0;
    for(Integer num:set){
        result[k++]=num;
    }
    return result;
    }
    
    
    private boolean Bsearch(int[] nums,int target){
        if(nums==null||nums.length==0){
            return false;
        }
        int start=0,end=nums.length-1;
        while(start+1<end){
            int mid=start+(end-start)/2;
            if(nums[mid]==target){
                return true;
            }
            else if(nums[mid]<target){
                start=mid;
            }
            else{
                end=mid;
            }
        }
        if(nums[start]==target){
            return true;
        }
        if(nums[end]==target){
            return true;
        }
        return false;
        }
    }
### 哈夫曼编码实现 哈夫曼编码是一种基于字符频率的压缩技术,通过构建一棵二叉树来生成最优前缀码。以下是针对字符串 `'The following code computes the intersection of two arrays'` 的 Python 实现过程。 #### 字符频率统计 首先需要统计输入字符串中每个字符的出现次数。这可以通过遍历字符串并记录每种字符的数量完成[^2]。 ```python from collections import Counter def calculate_frequencies(text): frequencies = Counter(text) return dict(frequencies) text = 'The following code computes the intersection of two arrays' frequencies = calculate_frequencies(text) print("Character Frequencies:", frequencies) ``` #### 构建哈夫曼树 利用字符及其对应的频率数据,可以按照以下方式构建哈夫曼树: 1. 创建一个优先队列(最小堆),其中每个节点表示一种字符以及其频率。 2. 不断取出两个具有最低频率的节点,创建一个新的内部节点作为它们的父亲,并将其频率设置为两子节点频率之和。 3. 将新节点重新加入优先队列,直到只剩下一个根节点为止。 ```python import heapq class HuffmanNode: def __init__(self, char, freq): self.char = char self.freq = freq self.left = None self.right = None def __lt__(self, other): return self.freq < other.freq def build_huffman_tree(freq_dict): priority_queue = [] for char, freq in freq_dict.items(): node = HuffmanNode(char, freq) heapq.heappush(priority_queue, node) while len(priority_queue) > 1: l
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