原题目链接
给定一个大小为 n 的数组,找到其中的众数。众数是指在数组中出现次数大于 ⌊ n/2 ⌋ 的元素。
你可以假设数组是非空的,并且给定的数组总是存在众数。
示例 1:
输入: [3,2,3]
输出: 3
示例 2:
输入: [2,2,1,1,1,2,2]
输出: 2
直接实现
直接调用sort()进行排序,然后查找众数。
需要注意的是,本题中的众数与数学中数列/集合中的众数概念不同。
- 数学中的众数是数量最多的元素
- 题目中的众数的数量则规定超过 N/2
这就为查找带来了便利:(排序后)无论众数是集中在最左侧还是最右侧,正中位置对应的元素一定是众数。因此【直接实现】如下。
class Solution {
public:
int majorityElement(vector<int>& nums) {
sort(nums.begin(), nums.end());
int n = nums.size();
return nums[n/2];
}
};
复杂度分析:
- 时间复杂度:O(NlogN),排序耗时NlogN
- 空间复杂度:O(1)
得到了一个正确解之后,还是用正常算法实现一个。
题目分析
题目本身没有什么好分析的,但是没有分析就没有思路啊?
一番仔细分析 学习他人的方法 过后,知道了可以使用的集中思路。
- hash表法
- 分治法
- 投票法(Boyer-Moore 投票算法)
解题分析
三个实现分析如下:
一、hash表法
- 初始建立空hash表
- 遍历,统计元素个数
- 满足众数条件,返回;否则,不存在
二、分治算法
未填写
三、Boyer-Moore 投票算法
未填写
代码实现
hash表法实现
class Solution {
public:
int majorityElement(vector<int>& nums) {
unordered_map<int,int> mp;
for(int i=0;i<nums.size();i++)
mp[nums[i]]=0; // 初始hash表
for(int i=0;i<nums.size();i++)
{
mp[nums[i]]++; // 统计元素
if(mp[nums[i]]>nums.size()/2) // 满足众数条件
return nums[i];
}
return -1;
}
};
复杂度分析:
- 时间复杂度:O(N)
- 空间复杂度:O(N)
分治算法实现
class Solution {
public:
int majorityElement(vector<int>& nums) {
return majorEle(nums, 0, nums.size() - 1);
}
int majorEle(vector<int>& nums, int l, int r) {
if(l == r)
return nums[l];
int mid = (l + r) / 2;
int left = majorEle(nums, l, mid);
int right = majorEle(nums, mid + 1, r);
if(left == right)
return left;
int leftCount = 0;
int rightCount = 0;
for(int i = l; i < mid; i++)
if(left == nums[i])
leftCount++;
for(int i = mid; i < r; i++)
if(right == nums[i])
rightCount++;
return leftCount > rightCount ? left : right;
}
};
复杂度分析:
- 时间复杂度:O(NlogN)
- 空间复杂度:O(logN)
Boyer-Moore 投票算法
class Solution {
public:
int majorityElement(vector<int>& nums) {
// 投票法:相同计数器加1,不相同计数器减1,最终剩下的数为众数
int count=0;
int n;
for(int i = 0; i < nums.size(); i++)
{
if(count==0)
n=nums[i];
count += (n==nums[i]) ? 1 : -1;
}
return n;
}
};
复杂度分析:
- 时间复杂度:O(N)
- 空间复杂度:O(1)
写在最后
使用 map 还是 unordered_map?虽然内置函数一致,但是底层实现不同,不同情况下的表现也不同。
map和unordered_map的差别和使用 Real_JumpChen的回答