其他系列文章导航
文章目录
前言
这是力扣的 2215 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一种。
一、题目描述
给你两个下标从 0 开始的整数数组 nums1 和 nums2 ，请你返回一个长度为 2 的列表 answer ，其中：
answer[0]是nums1中所有 不 存在于nums2中的 不同 整数组成的列表。answer[1]是nums2中所有 不 存在于nums1中的 不同 整数组成的列表。
注意：列表中的整数可以按 任意 顺序返回。
示例 1：
输入：nums1 = [1,2,3], nums2 = [2,4,6]
输出：[[1,3],[4,6]]
解释：
对于 nums1 ，nums1[1] = 2 出现在 nums2 中下标 0 处，然而 nums1[0] = 1 和 nums1[2] = 3 没有出现在 nums2 中。因此，answer[0] = [1,3]。
对于 nums2 ，nums2[0] = 2 出现在 nums1 中下标 1 处，然而 nums2[1] = 4 和 nums2[2] = 6 没有出现在 nums2 中。因此，answer[1] = [4,6]。
示例 2：
输入：nums1 = [1,2,3,3], nums2 = [1,1,2,2]
输出：[[3],[]]
解释：
对于 nums1 ，nums1[2] 和 nums1[3] 没有出现在 nums2 中。由于 nums1[2] == nums1[3] ，二者的值只需要在 answer[0] 中出现一次，故 answer[0] = [3]。
nums2 中的每个整数都在 nums1 中出现，因此，answer[1] = [] 。
提示：
1 <= nums1.length, nums2.length <= 1000-1000 <= nums1[i], nums2[i] <= 1000
二、题解
2.1 哈希类算法题注意事项
解决哈希类的算法题需要注意以下几点：
- 理解哈希表的基本原理：哈希表是一种数据结构，它使用哈希函数将键映射到数组中的位置。理解哈希表如何工作是解决这类问题的关键。
- 选择合适的哈希函数：一个好的哈希函数能够将键均匀地分布到哈希表中，以减少冲突。你需要选择或设计一个能够满足题目要求的哈希函数。
- 处理冲突：即使有好的哈希函数，也可能会有冲突（即两个不同的键映射到同一个位置）。你需要决定如何处理这些冲突，例如使用链表、开放地址法等。
- 考虑哈希表的负载因子：负载因子是哈希表中元素的数量与哈希表大小的比值。当负载因子过高时，哈希表的性能会下降。因此，你可能需要动态调整哈希表的大小以保持合适的负载因子。
- 优化空间和时间效率：在解决这类问题时，你需要权衡空间和时间效率。一个空间效率高的解决方案可能不那么高效，反之亦然。你需要找到一个合适的平衡点。
- 测试和验证：在提交解决方案之前，一定要进行彻底的测试和验证。确保你的解决方案在各种情况下都能正常工作。
- 阅读和理解题目要求：仔细阅读题目，确保你完全理解了题目的要求。如果有任何疑问，应该向老师或教练询问，以确保没有误解。
- 使用适当的数据结构：在许多情况下，使用哈希表并不是唯一的解决方案。其他数据结构（如数组、树或图）可能更适合解决特定的问题。选择最适合的数据结构可以提高解决问题的效率。
- 注意算法的复杂度：了解算法的时间复杂度和空间复杂度对于选择合适的算法非常重要。对于大规模数据，应选择复杂度较低的算法以提高效率。
- 多做练习：解决哈希类的算法题需要大量的练习和经验积累。通过参与在线编程挑战、参加算法竞赛等方式，可以提高解决这类问题的能力。
2.2 方法一：哈希法
思路与算法：
为了较快地判断一个数组的某个元素是否在另一个数组中存在，我们可以用哈希集合来存储数组的元素，并进行判断。具体而言，我们用哈希集合 set1 与 set2 存储数组 nums1 与 nums2 中所有不同的元素。
我们用长度为 2 的嵌套列表 res 来保存两数组中不存在于另一数组中的元素。
新建五个空间：
- res
- list1
- list2
- set1
- set2
编辑
我们首先遍历哈希集合 num1的每个元素存入 list1 中，然后遍历哈希集合 num2 的每个元素存入 list2 中。
接着遍历 num1 和 num2 。
- 如果 set2 不存在 num1 的元素，同时 list2 不存在这个元素，则加入到 list2 中。
- 如果 set1 不存在 num2 的元素，同时 list1 不存在这个元素，则加入到 list1 中。
最后把 list1 和 list2 加入到 res 中。
三、代码
3.1 方法一：哈希法
Java版本：
class Solution { public List<List<Integer>> findDifference(int[] nums1, int[] nums2) { List<List<Integer>> res = new ArrayList<>(); HashSet<Integer> set1 = new HashSet<>(); HashSet<Integer> set2 = new HashSet<>(); ArrayList<Integer> list1 = new ArrayList<>(); ArrayList<Integer> list2 = new ArrayList<>(); for (int i : nums1) { set1.add(i); } for (int i : nums2) { set2.add(i); } for (int i : nums1) { if (!set2.contains(i)&&!list2.contains(i)) list2.add(i); } for (int i : nums2) { if (!set1.contains(i)&&!list1.contains(i)) list1.add(i); } res.add(list2); res.add(list1); return res; } }
C++版本：
class Solution { public: std::vector<std::vector<int>> findDifference(std::vector<int>& nums1, std::vector<int>& nums2) { std::vector<std::vector<int>> res; std::unordered_set<int> set1(nums1.begin(), nums1.end()); std::unordered_set<int> set2(nums2.begin(), nums2.end()); std::vector<int> list1, list2; for (int i : nums1) { if (set2.find(i) == set2.end() && std::find(list2.begin(), list2.end(), i) == list2.end()) { list2.push_back(i); } } for (int i : nums2) { if (set1.find(i) == set1.end() && std::find(list1.begin(), list1.end(), i) == list1.end()) { list1.push_back(i); } } res.push_back(list2); res.push_back(list1); return res; } };
Python版本：
class Solution: def findDifference(self, nums1, nums2): res = [] set1 = set(nums1) set2 = set(nums2) list1 = [i for i in nums1 if i not in set2] list2 = [i for i in nums2 if i not in set1] res.append(list2) res.append(list1) return res
Go版本：
import "sort" func findDifference(nums1 []int, nums2 []int) [][]int { res := make([][]int, 2) set1 := make(map[int]bool) set2 := make(map[int]bool) for _, num := range nums1 { set1[num] = true } for _, num := range nums2 { set2[num] = true } for _, num := range nums1 { if !set2[num] { res[1] = append(res[1], num) set2[num] = true } } sort.Ints(res[1]) for _, num := range nums2 { if !set1[num] { res[0] = append(res[0], num) set1[num] = true } } sort.Ints(res[0]) return res }
四、复杂度分析
4.1 方法一：哈希法
- 时间复杂度：O(N)。
- 空间复杂度：O(N)。
