【数据结构和算法】寻找数组的中心下标

简介: 给你一个整数数组nums,请计算数组的中心下标。数组中心下标是数组的一个下标,其左侧所有元素相加的和等于右侧所有元素相加的和。如果中心下标位于数组最左端,那么左侧数之和视为0,因为在下标的左侧不存在元素。这一点对于中心下标位于数组最右端同样适用。如果数组有多个中心下标,应该返回最靠近左边的那一个。如果数组不存在中心下标,返回-1。

 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 前缀和的解题模板

2.1.1 最长递增子序列长度

2.1.2 寻找数组中第 k 大的元素

2.1.3 最长公共子序列长度

2.1.4 寻找数组中第 k 小的元素

2.2 方法一:前缀和

三、代码

3.2 方法一:前缀和

四、复杂度分析

4.2 方法一:前缀和


前言

这是力扣的 724 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。

这是一道非常经典的前缀和问题,虽然看似简单,但它却能让你深入理解前缀和的特点。


一、题目描述

给你一个整数数组 nums ,请计算数组的 中心下标

数组 中心下标 是数组的一个下标,其左侧所有元素相加的和等于右侧所有元素相加的和。

如果中心下标位于数组最左端,那么左侧数之和视为 0 ,因为在下标的左侧不存在元素。这一点对于中心下标位于数组最右端同样适用。

如果数组有多个中心下标,应该返回 最靠近左边 的那一个。如果数组不存在中心下标,返回 -1

示例 1:

输入:nums = [1, 7, 3, 6, 5, 6]

输出:3

解释:

中心下标是 3 。

左侧数之和 sum = nums[0] + nums[1] + nums[2] = 1 + 7 + 3 = 11 ,

右侧数之和 sum = nums[4] + nums[5] = 5 + 6 = 11 ,二者相等。


示例 2:

输入:nums = [1, 2, 3]

输出:-1

解释:

数组中不存在满足此条件的中心下标。

示例 3:

输入:nums = [2, 1, -1]

输出:0

解释:

中心下标是 0 。

左侧数之和 sum = 0 ,(下标 0 左侧不存在元素),

右侧数之和 sum = nums[1] + nums[2] = 1 + -1 = 0 。


提示:

    • 1 <= nums.length <= 104
    • -1000 <= nums[i] <= 1000

    二、题解

    2.1 前缀和的解题模板

    前缀和算法是一种在处理数组或链表问题时常用的技巧,它可以有效地减少重复计算,提高算法的效率。下面是一些常见的使用前缀和算法的题目以及解题思路:

    2.1.1 最长递增子序列长度

    题目描述:给定一个无序数组,求最长递增子序列的长度。

    解题思路:可以使用前缀和和单调栈来解决这个问题。首先,遍历数组,计算出前缀和。然后,使用单调栈记录当前递增子序列的起始位置。遍历数组时,如果当前元素大于前缀和,说明可以扩展当前递增子序列,将当前位置入栈。如果当前元素小于等于前缀和,说明当前递增子序列已经结束,弹出栈顶元素。最后,栈中剩余的元素即为最长递增子序列的起始位置,计算长度即可。

    2.1.2 寻找数组中第 k 大的元素

    题目描述:给定一个无序数组和一个整数k,找到数组中第k大的元素。

    解题思路:可以使用前缀和和快速选择算法来解决这个问题。首先,计算出数组的前缀和。然后,使用快速选择算法在数组中找到第k小的元素。具体实现中,每次选择一个枢轴元素,将数组分成两部分,小于枢轴的元素和大于枢轴的元素。如果枢轴左边的元素个数小于k,则在左边的子数组中继续查找;如果枢轴左边的元素个数大于等于k,则在右边的子数组中继续查找。最后,当找到第k小的元素时,返回该元素即可。

    2.1.3 最长公共子序列长度

    题目描述:给定两个字符串,求最长公共子序列的长度。

    解题思路:可以使用动态规划算法来解决这个问题。如果字符串长度分别为m和n,则可以定义一个二维数组dp[m+1][n+1],其中dp[i][j]表示字符串s1的前i个字符和字符串s2的前j个字符的最长公共子序列长度。根据动态规划的思想,状态转移方程为dp[i][j] = max(dp[i-1][j-1], dp[i-1][j], dp[i][j-1])。如果s1[i-1]等于s2[j-1],则dp[i][j] = dp[i-1][j-1] + 1;否则dp[i][j]取其他两种情况中的较大值。最终结果为dp[m][n]。

    2.1.4 寻找数组中第 k 小的元素

    题目描述:给定一个无序数组和一个整数k,找到数组中第k小的元素。

    解题思路:可以使用前缀和和快速选择算法来解决这个问题。具体实现与寻找第k大元素类似,只不过最后返回的是第k小的元素而非第k大的元素。

    2.2 方法一:前缀和

    题目仅说明是整数数组,无其他已知条件,因此考虑直接遍历数组。

    image.gif编辑

      • 设索引 i 对应变量「左侧元素相加和 leftSum」和「右侧元素相加和 rightSum」。
      • 遍历数组 nums ,每轮更新 leftSum 和 rightSum。
      • 遍历中,遇到满足 leftSum == rightSum 时,说明当前索引为中心下标,返回即可。
      • 若遍历完成,仍未找到「中心下标」,则返回 -1 。

      初始化时,相当于索引 i=−1 ,此时 leftSum = 0 , rightSum = 所有元素的和 。

      需要考虑大数越界问题。题目给定整数数组 nums ,并给定取值范围。

      题目的范围在 int 类型的取值范围内,因此 sum_left 和 sum_right 使用 int 类型即可。


      三、代码

      3.2 方法一:前缀和

      Java版本:

      class Solution {
          public int pivotIndex(int[] nums) {
              int leftSum = 0, rightSum = Arrays.stream(nums).sum();
              for (int i = 0; i < nums.length; i++) {
                  rightSum -= nums[i];
                  if (leftSum == rightSum) return i;
                  leftSum += nums[i];
              }
              return -1;
          }
      }

      image.gif

      C++版本:

      class Solution {
      public:
          int pivotIndex(vector<int>& nums) {
              int leftSum = 0, rightSum = accumulate(nums.begin(), nums.end(), 0);
              for (int i = 0; i < nums.size(); i++) {
                  rightSum -= nums[i];
                  if (leftSum == rightSum) return i;
                  leftSum += nums[i];
              }
              return -1;
          }
      };

      image.gif

      Python版本:

      class Solution:
          def pivotIndex(self, nums: List[int]) -> int:
              left_sum, right_sum = 0, sum(nums)
              for i in range(len(nums)):
                  right_sum -= nums[i]
                  if left_sum == right_sum:
                      return i
                  left_sum += nums[i]
              return -1

      image.gif

      Go版本:

      package main
      func pivotIndex(nums []int) int {
          leftSum := 0
          rightSum := 0
          for _, v := range nums {
              rightSum += v
          }
          for i, v := range nums {
              rightSum -= v
              if leftSum == rightSum {
                  return i
              }
              leftSum += v
          }
          return -1
      }

      image.gif


      四、复杂度分析

      4.2 方法一:前缀和

      时间复杂度 O(N): 其中 N 为数组 nums 长度。求和操作使用 O(N) 线性时间,遍历 nums 最差使用 O(N) 线性时间。

      空间复杂度 O(1): 变量  leftSum ,  rightSum 使用常数大小空间。



      目录
      相关文章
      |
      23天前
      |
      算法 数据处理 C语言
      C语言中的位运算技巧,涵盖基本概念、应用场景、实用技巧及示例代码,并讨论了位运算的性能优势及其与其他数据结构和算法的结合
      本文深入解析了C语言中的位运算技巧,涵盖基本概念、应用场景、实用技巧及示例代码,并讨论了位运算的性能优势及其与其他数据结构和算法的结合,旨在帮助读者掌握这一高效的数据处理方法。
      34 1
      |
      26天前
      |
      机器学习/深度学习 算法 数据挖掘
      K-means聚类算法是机器学习中常用的一种聚类方法,通过将数据集划分为K个簇来简化数据结构
      K-means聚类算法是机器学习中常用的一种聚类方法,通过将数据集划分为K个簇来简化数据结构。本文介绍了K-means算法的基本原理,包括初始化、数据点分配与簇中心更新等步骤,以及如何在Python中实现该算法,最后讨论了其优缺点及应用场景。
      84 4
      |
      24天前
      |
      存储 算法 搜索推荐
      Python 中数据结构和算法的关系
      数据结构是算法的载体,算法是对数据结构的操作和运用。它们共同构成了计算机程序的核心,对于提高程序的质量和性能具有至关重要的作用
      |
      24天前
      |
      数据采集 存储 算法
      Python 中的数据结构和算法优化策略
      Python中的数据结构和算法如何进行优化?
      |
      1月前
      |
      算法
      数据结构之路由表查找算法(深度优先搜索和宽度优先搜索)
      在网络通信中,路由表用于指导数据包的传输路径。本文介绍了两种常用的路由表查找算法——深度优先算法(DFS)和宽度优先算法(BFS)。DFS使用栈实现,适合路径问题;BFS使用队列,保证找到最短路径。两者均能有效查找路由信息,但适用场景不同,需根据具体需求选择。文中还提供了这两种算法的核心代码及测试结果,验证了算法的有效性。
      97 23
      |
      1月前
      |
      算法
      数据结构之蜜蜂算法
      蜜蜂算法是一种受蜜蜂觅食行为启发的优化算法,通过模拟蜜蜂的群体智能来解决优化问题。本文介绍了蜜蜂算法的基本原理、数据结构设计、核心代码实现及算法优缺点。算法通过迭代更新蜜蜂位置,逐步优化适应度,最终找到问题的最优解。代码实现了单链表结构,用于管理蜜蜂节点,并通过适应度计算、节点移动等操作实现算法的核心功能。蜜蜂算法具有全局寻优能力强、参数设置简单等优点,但也存在对初始化参数敏感、计算复杂度高等缺点。
      60 20
      |
      24天前
      |
      存储 缓存 算法
      在C语言中,数据结构是构建高效程序的基石。本文探讨了数组、链表、栈、队列、树和图等常见数据结构的特点、应用及实现方式
      在C语言中,数据结构是构建高效程序的基石。本文探讨了数组、链表、栈、队列、树和图等常见数据结构的特点、应用及实现方式,强调了合理选择数据结构的重要性,并通过案例分析展示了其在实际项目中的应用,旨在帮助读者提升编程能力。
      46 5
      |
      23天前
      |
      并行计算 算法 测试技术
      C语言因高效灵活被广泛应用于软件开发。本文探讨了优化C语言程序性能的策略,涵盖算法优化、代码结构优化、内存管理优化、编译器优化、数据结构优化、并行计算优化及性能测试与分析七个方面
      C语言因高效灵活被广泛应用于软件开发。本文探讨了优化C语言程序性能的策略,涵盖算法优化、代码结构优化、内存管理优化、编译器优化、数据结构优化、并行计算优化及性能测试与分析七个方面,旨在通过综合策略提升程序性能,满足实际需求。
      54 1
      |
      1月前
      |
      存储 人工智能 算法
      数据结构实验之C 语言的函数数组指针结构体知识
      本实验旨在复习C语言中的函数、数组、指针、结构体与共用体等核心概念,并通过具体编程任务加深理解。任务包括输出100以内所有素数、逆序排列一维数组、查找二维数组中的鞍点、利用指针输出二维数组元素,以及使用结构体和共用体处理教师与学生信息。每个任务不仅强化了基本语法的应用,还涉及到了算法逻辑的设计与优化。实验结果显示,学生能够有效掌握并运用这些知识完成指定任务。
      53 4
      |
      1月前
      |
      机器学习/深度学习 算法 C++
      数据结构之鲸鱼算法
      鲸鱼算法(Whale Optimization Algorithm,WOA)是由伊朗研究员Seyedali Mirjalili于2016年提出的一种基于群体智能的全局优化算法,灵感源自鲸鱼捕食时的群体协作行为。该算法通过模拟鲸鱼的围捕猎物和喷出气泡网的行为,结合全局搜索和局部搜索策略,有效解决了复杂问题的优化需求。其应用广泛,涵盖函数优化、机器学习、图像处理等领域。鲸鱼算法以其简单直观的特点,成为初学者友好型的优化工具,但同时也存在参数敏感、可能陷入局部最优等问题。提供的C++代码示例展示了算法的基本实现和运行过程。
      50 0