169. 多数元素

本文深入解析力扣169题——多数元素问题的三种解法:哈希表、排序和分治策略。通过实例演示如何找到数组中出现次数超过一半的元素,提供Python代码实现。

力扣169. 多数元素

给定一个大小为 n 的数组,找到其中的多数元素。多数元素是指在数组中出现次数大于 ⌊ n / 2 ⌋ ⌊ n/2 ⌋ 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多数元素。

示例 :
输入: [2,2,1,1,1,2,2]
输出: 2

一、哈希表

说起计数就会很自然的想起哈希表

class Solution:
    def majorityElement(self, nums: List[int]) -> int:
        n=len(nums)/2
        dic={}
        for x in nums:
            if x in dic :
                dic[x]=dic[x]+1
            else:dic[x]=1
            if dic[x] > n:
                return x     
        return None

二、排序

观察数据的结构与元素分布情况,当存在一个元素的个数大于 [ n / 2 ] [n/2] [n/2]时,数组中至少有一半空间分配给这个元素,当数组有序时,必然出现在第[n/2]位

class Solution:
    def majorityElement(self, nums: List[int]) -> int:
        nums.sort()
        return nums[len(nums)//2]

三、分治

如果数 a 是数组 nums 的众数,如果我们将 nums 分成两部分,那么 a 必定是至少一部分的众数。
通过递归将每一个长度大于1的数组分成2个数组,对于每一个上级数组,他的众数必然是两个下级数组的众数中的一个,比较两个众数在上级数组中的个数得到此数组的众数,从而递归得到原数组的众数。

class Solution:
    def majorityElement(self, nums):
        def majorityelement_bfs(l, r):
            if l == r:
                return nums[l]

            mid = (r-l)//2 + l
            left = majorityelement_bfs(l, mid)
            right = majority_element_bfs(mid+1, r)

            if left == right:
                return left

            left_count = sum(1 for i in range(l, r+1) if nums[i] == left)
            right_count = sum(1 for i in range(l, r+1) if nums[i] == right)

            return left if left_count > right_count else right

        return majorityelement_bfs(0, len(nums)-1)
### 分治法C++解法 ```cpp #include <vector> using namespace std; class Solution { public: // 分治法求多数元素 int majorityElement(vector<int>& nums) { return majorityElementRec(nums, 0, nums.size() - 1); } int majorityElementRec(vector<int>& nums, int lo, int hi) { // 当子数组只有一个元素时,该元素就是多数元素 if (lo == hi) { return nums[lo]; } // 分割数组 int mid = (hi - lo) / 2 + lo; int left = majorityElementRec(nums, lo, mid); int right = majorityElementRec(nums, mid + 1, hi); // 如果左右子数组的多数元素相同,直接返回 if (left == right) { return left; } // 否则,计算左右多数元素在整个子数组中出现的次数 int leftCount = countInRange(nums, left, lo, hi); int rightCount = countInRange(nums, right, lo, hi); // 返回出现次数多的元素 return leftCount > rightCount ? left : right; } // 计算元素target在数组nums的[lo, hi]范围内出现的次数 int countInRange(vector<int>& nums, int target, int lo, int hi) { int count = 0; for (int i = lo; i <= hi; i++) { if (nums[i] == target) { count++; } } return count; } }; ``` ### 分析与总结 #### 分治法思路 分治法的核心思想是将一个大问题分解为多个相似的小问题,然后递归地解决这些小问题,最后将小问题的解合并得到大问题的解。对于多数元素问题,将数组不断二分,分别求出左右子数组的多数元素,然后合并得到整个数组的多数元素。 #### 复杂度分析 - **时间复杂度**:$O(n log n)$。每次将数组二分,递归树的深度为$log n$,每层需要遍历$O(n)$个元素来统计元素出现的次数,所以总的时间复杂度为$O(n log n)$。 - **空间复杂度**:$O(log n)$。递归调用栈的深度为$log n$,所以空间复杂度为$O(log n)$。 #### 优点与缺点 - **优点**:分治法的思路清晰,代码结构简洁,易于理解和实现。 - **缺点**:时间复杂度较高,相比于摩尔投票法(时间复杂度$O(n)$),分治法的效率较低。
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
红包 添加红包
表情包 插入表情
 条评论被折叠 查看
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