数字在排序数组中出现的次数

本文介绍了一种高效算法,用于统计排序数组中特定数字出现的次数,通过二分查找定位首个及末位目标值来实现O(logn)的时间复杂度。

统计一个数字在排序数组中出现的次数。例如输入{2,2,2,2,2,3,5,5}和数字2,输出5.

常规的顺序扫描法时间复杂度是O(n),可以进一步优化。用二分查找的方法进行查找可以把时间复杂度降为O(logn)。

代码如下:

 1 int GetFirstK(int* data, int length, int k, int start, int end)//用二分查找法找到第一个K的位置
 2 {
 3     if (start > end)
 4     {
 5         return -1 ;
 6     }
 7     int MidIndex = (start + end) / 2 ;
 8     int MidData = data[MidIndex];
 9     if (MidData == k)
10     {
11         if (MidIndex == 0 || MidIndex > 0 && data[MidIndex - 1] != k)//在首位或是不在首位且前一位不是K时
12         {
13             return MidIndex ;
14         }
15         else //不是第一个K时
16         {
17             end = MidIndex - 1 ;
18         }
19     }
20     else if ( MidData > k)
21     {
22         end = MidIndex - 1 ;
23     }
24     else
25     {
26         start = MidIndex + 1 ;
27     }
28     return GetFirstK(data, length, k, start, end) ;
29 }
30 
31 int GetLastK(int* data, int length, int k, int start, int end)//用二分查找法找到最后一个K的位置
32 {
33     if (start > end)
34     {
35         return -1 ;
36     }
37     int MidIndex = (start + end) / 2 ;
38     int MidData = data[MidIndex];
39     if (MidData == k)
40     {
41         if (MidIndex == length - 1 || MidIndex < length - 1 && data[MidIndex + 1] != k)//在末位或是不在末位且后一位不是K时
42         {
43             return MidIndex ;
44         }
45         else  //不是最后一个K时
46         {
47             start = MidIndex + 1 ;
48         }
49     }
50     else if ( MidData > k)
51     {
52         end = MidIndex - 1 ;
53     }
54     else
55     {
56         start = MidIndex + 1 ;
57         
58     }
59 
60     return GetLastK(data, length, k, start, end) ;
61 
62 }
63 int GetNumberOfK(int* data, int length, int k)//得到K的个数
64 {
65     if (!data || length < 1)
66     {
67         return 0 ;
68     }
69     int first = GetFirstK(data, length, k, 0, length - 1);
70     int last = GetLastK(data, length, k, 0, length - 1);
71     int number = 0 ;
72     if (first != -1 && last != -1)
73     {
74         number = last - first + 1 ;
75     }
76     return number ;
77 }

 

转载于:https://www.cnblogs.com/csxcode/p/3734434.html

<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,也就是多数元素问题。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,比如票数正负抵消的机制,以及如何通过遍历数组找到众数。 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“多数元素”,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“求众数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,例如所有数学表达式用$...$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数和的抵消机制,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数元素。 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**票数正负抵消**的思想,假设众数(出现次数超半数的数)的票数为$+1$,非众数的票数为$-1$。由于众数数量占优,最终剩余的数字必为众数[^3][^4]。 **步骤**: - 初始化候选值`x`和票数`votes` - 遍历数组:若票数为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数 - 最终候选值即为众数 ```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. 多数元素** 与本题完全相同,可用相同解法[^2][^5]。 2. **力扣229. 求众数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