【数据结构和算法】移动零

简介: 给定一个数组nums,编写一个函数将所有0移动到数组的末尾,同时保持非零元素的相对顺序。请注意,必须在不复制数组的情况下原地对数组进行操作。进阶:你能尽量减少完成的操作次数吗?

 其他系列文章导航

Java基础合集

数据结构与算法合集

设计模式合集

多线程合集

分布式合集

ES合集


文章目录

其他系列文章导航

文章目录

前言

一、题目描述

二、题解

2.1 方法一:双指针

2.2 方法二:两次遍历

2.3 方法三:一次遍历

三、代码

3.1 方法一:双指针

3.2 方法二:两次遍历

3.3 方法三:一次遍历

四、复杂度分析

4.1 方法一:双指针

4.2 方法二:两次遍历

4.3 方法三:一次遍历


前言

这是力扣的283题,难度为简单,解题方案有很多种,本文讲解我认为最奇妙的三种。


一、题目描述

给定一个数组 nums,编写一个函数将所有 0 移动到数组的末尾,同时保持非零元素的相对顺序。

请注意 ,必须在不复制数组的情况下原地对数组进行操作。

示例 1:

输入: nums =[0,1,0,3,12]

输出: [1,3,12,0,0]


示例 2:

输入: nums = [0]


输出: [0]


提示:

    • 1 <= nums.length <= 104
    • -231 <= nums[i] <= 231 - 1

    进阶:你能尽量减少完成的操作次数吗?


    二、题解

    2.1 方法一:双指针

    思路与算法:

    使用双指针,i 指针指向当前已经处理好的序列的尾部,j 指针指向待处理序列的头部。

    j 指针不断向右移动,每次 j 指针指向非零数,则将 i j 指针对应的数交换,同时 i 指针右移。

    注意到以下性质:

      1. i 指针左边均为非零数;
      2. j 指针左边直到左指针处均为零。

      因此每次交换,都是将 i 指针的零与 j 指针的非零数交换,且非零数的相对顺序并未改变。

      2.2 方法二:两次遍历

      思路与算法:

      首先创建两个指针 i 和 j,第一次遍历的时候指针 j 用来记录当前有多少非 0 元素。

      即遍历的时候每遇到一个非 0 元素就将其往数组左边挪,第一次遍历完后,j 指针的下标就指向了最后一个非 0 元素下标。

      image.gif编辑

      第二次遍历的时候,起始位置就从 j 开始到结束,将剩下的这段区域内的元素全部置为 0。

      2.3 方法三:一次遍历

      思路与算法:

      参考了快速排序的思想,快速排序首先要确定一个待分割的元素做中间点 x,然后把所有小于等于 x 的元素放到 x 的左边,大于 x 的元素放到其右边。

      这里我们可以用 0 当做这个中间点,把不等于 0(注意题目没说不能有负数)的放到中间点的左边,等于 0 的放到其右边。

      这的中间点就是 0 本身,所以实现起来比快速排序简单很多,我们使用两个指针 i 和 j,只要 nums[i]!=0,我们就交换 nums[i] 和 nums[j]


      三、代码

      3.1 方法一:双指针

      Java版本:

      class Solution {
          public static void moveZeroes(int[] nums) {
              int n = nums.length;
              if (n == 0 || n == 1) return;
              int i = 0, j = 0;
              while (j < n) {
                  if (nums[j] != 0) {
                      reserve(nums, i, j);
                      i++;
                  }
                  j++;
              }
          }
          void reserve(int[] nums, int i, int j) {
              int temp = nums[i];
              nums[i] = nums[j];
              nums[j] = temp;
          }
      }

      image.gif

      C++版本:

      class Solution {
      public:
          void moveZeroes(vector<int>& nums) {
              int n = nums.size(), i = 0, j = 0;
              while (j < n) {
                  if (nums[j]) {
                      swap(nums[i], nums[j]);
                      i++;
                  }
                  j++;
              }
          }
      };

      image.gif

      3.2 方法二:两次遍历

      Java版本:

      class Solution {
          public static void moveZeroes1(int[] nums) {
              int n = nums.length;
              if (n == 0 || n == 1) return;
              int j = 0;
              for (int i = 0; i < n; i++) {
                  if (nums[i] != 0) {
                      nums[j++] = nums[i];
                  }
              }
              for (int i = j; i < n; i++) {
                  nums[i] = 0;
              }
          }
      }

      image.gif

      C++版本:

      class Solution {
      public:
          void moveZeroes(vector<int>& nums) {
              int n = nums.size();
              if (n == 0 || n == 1) return;
              int j = 0;
              for (int i = 0; i < n; i++) {
                  if (nums[i] != 0) {
                      nums[j++] = nums[i];
                  }
              }
              for (int i = j; i < n; i++) {
                  nums[i] = 0;
              }
          }
      };

      image.gif

      3.3 方法三:一次遍历

      Java版本:

      class Solution {
         public static void moveZeroes2(int[] nums) {
              int n = nums.length;
              if (n == 0 || n == 1) return;
              int j = 0;
              for (int i = 0; i < n; i++) {
                  if (nums[i] != 0) {
                      int temp = nums[i];
                      nums[i] = nums[j];
                      nums[j++] = temp;
                  }
              }
          }
      }

      image.gif

      C++版本:

      class Solution {
      public:
          void moveZeroes(vector<int>& nums) {
              int n = nums.size();
              if (n == 0 || n == 1) return;
              int j = 0;
              for (int i = 0; i < n; i++) {
                  if (nums[i] != 0) {
                      int temp = nums[i];
                      nums[i] = nums[j];
                      nums[j++] = temp;
                  }
              }
          }
      };

      image.gif


      四、复杂度分析

      4.1 方法一:双指针

        • 时间复杂度:O(n)。
        • 空间复杂度:O(1)。

        4.2 方法二:两次遍历

          • 时间复杂度:O(n)。
          • 空间复杂度:O(1)。

          4.3 方法三:一次遍历

            • 时间复杂度:O(n)。
            • 空间复杂度:O(1)。


            目录
            相关文章
            |
            1天前
            |
            算法
            【初阶数据结构】复杂度算法题篇
            该方法基于如下的事实:当我们将数组的元素向右移动 k 次后,尾部 kmodn 个元素会移动至数组头部,其余元素向后移动 kmodn 个位置。
            |
            2天前
            |
            机器学习/深度学习 人工智能 算法
            【人工智能】线性回归模型:数据结构、算法详解与人工智能应用,附代码实现
            线性回归是一种预测性建模技术,它研究的是因变量(目标)和自变量(特征)之间的关系。这种关系可以表示为一个线性方程,其中因变量是自变量的线性组合。
            11 2
            |
            23天前
            |
            存储 算法 索引
            算法与数据结构
            算法与数据结构
            26 8
            |
            1天前
            |
            算法
            【初阶数据结构篇】二叉树算法题
            二叉树是否对称,即左右子树是否对称.
            |
            1天前
            |
            算法 索引
            【初阶数据结构篇】单链表算法题进阶
            深拷贝应该正好由 n 个全新节点组成,其中每个新节点的值都设为其对应的原节点的值。
            |
            1天前
            |
            存储 算法
            【初阶数据结构篇】顺序表和链表算法题
            此题可以先找到中间节点,然后把后半部分逆置,最近前后两部分一一比对,如果节点的值全部相同,则即为回文。
            |
            1月前
            |
            机器学习/深度学习 存储 算法
            【数据结构】算法的复杂度
            算法的时间复杂度和空间复杂度
            38 1
            【数据结构】算法的复杂度
            |
            27天前
            |
            搜索推荐 算法
            【数据结构】排序算法——Lesson2
            【7月更文挑战第24天】
            14 3
            |
            3天前
            |
            存储 缓存 算法
            深入解析B树:数据结构、存储结构与算法优势
            深入解析B树:数据结构、存储结构与算法优势
            |
            1月前
            |
            存储 算法 Python
            “解锁Python高级数据结构新姿势:图的表示与遍历,让你的算法思维跃升新高度
            【7月更文挑战第13天】Python中的图数据结构用于表示复杂关系,通过节点和边连接。常见的表示方法是邻接矩阵(适合稠密图)和邻接表(适合稀疏图)。图遍历包括DFS(深度优先搜索)和BFS(广度优先搜索):DFS深入探索分支,BFS逐层访问邻居。掌握这些技巧对优化算法和解决实际问题至关重要。**
            21 1