简单-350-两个数组的交集

Posted 2020-12-10 Faded828x

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的次数一致。
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？

 

需要多次记录交集中的重复元素，倘若无此条件，只需用set即可。考虑到需要记录重复元素的出现次数，可以考虑hashmap；关于空间复杂度，主要考虑哈希表的空间，因此选择长度小的数组取哈希映射，数组值为key，出现次数为value。

也可以考虑排序数组后，对两个数组迭代，双指针，空间复杂度小。为了节省空间，两种方法都可以将小数组作为目标输出数组，找到交集元素后给小数组从首位开始赋值。

 

/*如果 nums1 元素个数大于 nums2，则交换数组元素。
对于 nums1 的每个元素，添加到 HashMap m 中，如果元素已经存在则增加对应的计数。
初始化 k = 0，记录当前交集元素个数。
遍历数组 nums2：
检查元素在 m 是否存在，若存在且计数为正：
将元素拷贝到 nums1[k]，且 k++。
减少 m 中对应元素的计数。
返回 nums1 前 k 个元素。
时间复杂度：\mathcal{O}(n + m)O(n+m)。其中 nn，mm 分别代表了数组的大小。
空间复杂度：\mathcal{O}(\min(n, m))O(min(n,m))，我们对较小的数组进行哈希映射使用的空间。
*/
public int[] intersect(int[] nums1, int[] nums2) {
    if (nums1.length > nums2.length) {
        return intersect(nums2, nums1);
    }
    HashMap<Integer, Integer> m = new HashMap<>();
    for (int n : nums1) {
        m.put(n, m.getOrDefault(n, 0) + 1);
    }
    int k = 0;
    for (int n : nums2) {
        int cnt = m.getOrDefault(n, 0);
        if (cnt > 0) {
            nums1[k++] = n;
            m.put(n, cnt - 1);
        }
    }
    return Arrays.copyOfRange(nums1, 0, k);
}
/*
对数组 nums1 和 nums2 排序。
初始化指针 i，j 和 k 为 0。
指针 i 指向 nums1，指针 j 指向 nums2：
如果 nums1[i] < nums2[j]，则 i++。
如果 nums1[i] > nums2[j]，则 j++。
如果 nums1[i] == nums2[j]，将元素拷贝到 nums1[k]，且 i++，j++，k++。
返回数组 nums1 前 k 个元素。
时间复杂度：\mathcal{O}(n\log{n} + m\log{m})O(nlogn+mlogm)。其中 nn，mm 分别代表了数组的大小。我们对数组进行了排序然后进行了线性扫描。
空间复杂度：O(1)O(1)，我们忽略存储答案所使用的空间，因为它对算法本身并不重要。
*/
public int[] intersect(int[] nums1, int[] nums2) {
    Arrays.sort(nums1);
    Arrays.sort(nums2);
    int i = 0, j = 0, k = 0;
    while (i < nums1.length && j < nums2.length) {
        if (nums1[i] < nums2[j]) {
            ++i;
        } else if (nums1[i] > nums2[j]) {
            ++j;
        } else {
            nums1[k++] = nums1[i++];
            ++j;
        }
    }
    return Arrays.copyOfRange(nums1, 0, k);
}