【经典算法】LeetCode 136:只出现一次的数字(Java/C/Python3实现含注释说明,Easy)

简介: 【经典算法】LeetCode 136:只出现一次的数字(Java/C/Python3实现含注释说明,Easy)

题目描述

136. 只出现一次的数字 
给你一个 非空 整数数组 nums ,除了某个元素只出现一次以外,其余每个元素均出现两次。找出那个只出现了一次的元素。
你必须设计并实现线性时间复杂度的算法来解决此问题,且该算法只使用常量额外空间。
示例 1 :
输入:nums = [2,2,1]
输出:1
示例 2 :
输入:nums = [4,1,2,1,2]
输出:4
示例 3 :
输入:nums = [1]
输出:1
提示:
1 <= nums.length <= 3 * 104
-3 * 104 <= nums[i] <= 3 * 104
除了某个元素只出现一次以外,其余每个元素均出现两次。

原题:

LeetCode: LeetCode 136

力扣 : 力扣 136

思路及实现

方式一:使用异或运算(推荐)

思路

利用异或运算的性质:任何数和0异或等于它本身,任何数和其自身异或等于0,异或运算满足交换律和结合律。因此,我们可以将数组中的所有数字进行异或运算,出现两次的数字会相互抵消,最终剩下的就是只出现一次的数字。

  • 以[4,1,3,4,3]以例

面试官最期待的解法思路,考察计算机基础知识

代码实现

Java版本
class Solution {
    public int singleNumber(int[] nums) {
        int x = 0;
        for (int num : nums)  // 1. 遍历 nums 执行异或运算
            x ^= num;
        return x;            // 2. 返回出现一次的数字 x
    }
}

说明: 通过遍历数组中的每个数字,并使用异或运算将结果保存在result变量中,最终返回result即可。

C语言版本
#include <stdio.h>
int singleNumber(int* nums, int numsSize) {
    int x = 0;
    for (int i = 0; i < numsSize; i++) {  // 1. 遍历 nums 执行异或运算
        x ^= nums[i];
    }
    return x;                            // 2. 返回出现一次的数字 x
}

说明: 使用for循环遍历数组,将每个元素与result进行异或运算,并更新result的值。

Python3版本
class Solution:
    def singleNumber(self, nums: List[int]) -> List[int]:
        x = 0
        for num in nums:  # 1. 遍历 nums 执行异或运算
            x ^= num      
        return x;         # 2. 返回出现一次的数字 x

说明: Python中的实现与Java和C类似,使用for循环遍历数组,并通过异或运算找出只出现一次的数字。

复杂度分析

  • 时间复杂度:O(n),其中 n 是数组 nums 的长度。这是因为我们只需要遍历一次数组,对每个元素进行一次异或操作。
  • 空间复杂度:O(1),因为我们只使用了常数个额外的变量来存储中间结果,与输入数组的大小无关。

方式二:哈希表

思路

使用哈希表记录每个数字出现的次数,最后找到出现次数为 1 的数字即为答案。

下面以HashMap为例,HashSet也是可以的

代码实现

Java版本
class Solution {
    public int singleNumber(int[] nums) {
        Map<Integer, Integer> counts = new HashMap<>();
        for (int num : nums) {
            counts.put(num, counts.getOrDefault(num, 0) + 1); // 统计每个数字出现的次数
        }
        for (int num : counts.keySet()) {
            if (counts.get(num) == 1) {
                return num;  // 返回出现次数为 1 的数字
            }
        }
        return -1; //理论上不会到达这里
    }
}

说明:

创建一个哈希表 counts,用于存储每个数字出现的次数。

遍历数组 nums,统计每个数字出现的次数并更新到 counts 中。

遍历 counts,找到出现次数为 1 的数字并返回。

C语言版本
#include <stdio.h>
#include <stdlib.h>
// 假设数字范围在 0 到 10000 之间,可以使用数组模拟哈希表
int singleNumber(int* nums, int numsSize) {
    int counts[10001] = {0};
    for (int i = 0; i < numsSize; i++) {
        counts[nums[i]]++;  // 统计每个数字出现的次数
    }
    for (int i = 0; i < 10001; i++) {
        if (counts[i] == 1) {
            return i;  // 返回出现次数为 1 的数字
        }
    }
    return -1; //理论上不会到达这里
}

说明

使用数组模拟哈希表,假设数字范围在 0 到 10000 之间。逻辑与 Java 版本类似。

Python3版本
class Solution:
    def singleNumber(self, nums: List[int]) -> int:
        counts = {}
        for num in nums:
            counts[num] = counts.get(num, 0) + 1  # 统计每个数字出现的次数
        for num, count in counts.items():
            if count == 1:
                return num  # 返回出现次数为 1 的数字
        return -1 #理论上不会到达这里

说明:

复杂度分析

  • 时间复杂度:O(n),其中 n 是数组 nums 的长度。需要遍历一次数组进行计数,以及遍历哈希表查找出现次数为 1 的数字。
  • 空间复杂度:O(n),最坏情况下哈希表需要存储所有不同的数字,空间复杂度为 O(n)。

总结

方式 优点 缺点 时间复杂度 空间复杂度 其他
异或运算 代码简洁,效率高 不直观,需要理解异或运算的特性 O(n) O(1) 适用于数字类型的题目
哈希表 思路直观,易于理解 空间复杂度较高,需要额外的存储空间 O(n) O(n) 适用于各种数据类型的题目

相似题目

相似题目 难度 链接
两个数组的交集 简单 leetcode-349
数组中数字出现的次数 简单 leetcode-136
只出现一次的数字 II 中等 leetcode-137
找出数组中消失的数字 简单 leetcode-448
数组中重复的数据 简单 leetcode-287

其他小知识

几个有趣的位操作

1. 利用或操作 | 和空格将英文字符转换为小写

('a' | ' ') = 'a'
('A' | ' ') = 'a'

2. 利用与操作 & 和下划线将英文字符转换为大写

('b' & '_') = 'B'
('B' & '_') = 'B'

3. 利用异或操作 ^ 和空格进行英文字符大小写互换

('d' ^ ' ') = 'D'
('D' ^ ' ') = 'd'

说明:

以上操作能够产生奇特效果的原因在于 ASCII 编码。ASCII 字符其实就是数字,恰巧空格和下划线对应的数字通过位运算就能改变大小写。

eg: 以1. 利用或操作 | 和空格将英文字符转换为小写为例

字符 ‘A’ 的 ASCII 值是 65。

字符 ’ '(空格)的 ASCII 值是 32。

按位或操作是这样的:

65 (二进制: 01000001)

|32 (二进制: 00100000)

97 (二进制: 01100001)

得到的结果 97 是字符 ‘a’ 的 ASCII 值。

因此,‘A’ | ’ ’ 的结果是字符 ‘a’。

注意:

这种操作通常不用于处理文本或字符串,因为它依赖于字符的特定 ASCII 编码,并且可能会导致非预期的结果或难以理解的代码。在大多数情况下,处理字符和字符串时,应使用语言提供的字符串处理函数和操作符,而不是按位操作符。

4. 加一

int n = 1;
n = -~n;
// 现在 n = 2

5. 减一

int n = 2;
n = ~-n;
// 现在 n = 1

其他

技巧 技巧描述 示例
技巧1 判断奇偶性
使用与运算符(&)和1进行位与运算,结果为0则为偶数,结果为1则为奇数
int num = 5;
boolean isEven = (num & 1) == 0;
技巧2 交换两个数
使用异或运算符(^)进行交换两个数,不需要额外的临时变量
int a = 3, b = 5;
a = a ^ b;
b = a ^ b;
a = a ^ b;
技巧3 取反操作
使用取反运算符(~)进行取反操作
int num = 7;
int result = ~num;
技巧4 清除最低位的1
使用减一后进行与运算操作
int num = 12;
int result = num & (num - 1);
技巧5 判断是否为2的幂
通过n与n-1进行与运算,结果为0则是2的幂
int num = 16;
boolean isPowerOfTwo = (num & (num - 1)) == 0;
技巧6 位移操作
左移(<<)和右移(>>)操作进行位移运算
int num = 8;
int leftShifted = num << 1;
int rightShifted = num >> 1;
技巧7 判断两个数是否异号
通过异或运算符(^)进行判断两数的符号位是否相同
int x = -1, y = 2;
boolean isOpposite = ((x ^ y) < 0);

说明:技巧7 判断两个数是否异号

利用的是补码编码的符号位。整数编码最高位是符号位,负数的符号位是 1,非负数的符号位是 0,再借助异或的特性,可以判断出两个数字是否异号。

当然,如果不用位运算来判断是否异号,需要使用 if else 分支,还挺麻烦的。你可能想利用乘积来判断两个数是否异号,但是这种处理方式容易造成整型溢出,从而出现错误。

相关文章
|
11天前
|
监控 算法 安全
深度洞察内网监控电脑:基于Python的流量分析算法
在当今数字化环境中,内网监控电脑作为“守城卫士”,通过流量分析算法确保内网安全、稳定运行。基于Python的流量分析算法,利用`scapy`等工具捕获和解析数据包,提取关键信息,区分正常与异常流量。结合机器学习和可视化技术,进一步提升内网监控的精准性和效率,助力企业防范潜在威胁,保障业务顺畅。本文深入探讨了Python在内网监控中的应用,展示了其实战代码及未来发展方向。
|
27天前
|
机器学习/深度学习 人工智能 算法
基于Python深度学习的眼疾识别系统实现~人工智能+卷积网络算法
眼疾识别系统,本系统使用Python作为主要开发语言,基于TensorFlow搭建卷积神经网络算法,并收集了4种常见的眼疾图像数据集(白内障、糖尿病性视网膜病变、青光眼和正常眼睛) 再使用通过搭建的算法模型对数据集进行训练得到一个识别精度较高的模型,然后保存为为本地h5格式文件。最后使用Django框架搭建了一个Web网页平台可视化操作界面,实现用户上传一张眼疾图片识别其名称。
89 4
基于Python深度学习的眼疾识别系统实现~人工智能+卷积网络算法
|
2月前
|
监控 算法 网络协议
Java 实现局域网电脑屏幕监控算法揭秘
在数字化办公环境中,局域网电脑屏幕监控至关重要。本文介绍用Java实现这一功能的算法,涵盖图像采集、数据传输和监控端显示三个关键环节。通过Java的AWT/Swing库和Robot类抓取屏幕图像,使用Socket进行TCP/IP通信传输图像数据,并利用ImageIO类在监控端展示图像。整个过程确保高效、实时和准确,为提升数字化管理提供了技术基础。
70 15
|
2月前
|
存储 缓存 监控
局域网屏幕监控系统中的Python数据结构与算法实现
局域网屏幕监控系统用于实时捕获和监控局域网内多台设备的屏幕内容。本文介绍了一种基于Python双端队列(Deque)实现的滑动窗口数据缓存机制,以处理连续的屏幕帧数据流。通过固定长度的窗口,高效增删数据,确保低延迟显示和存储。该算法适用于数据压缩、异常检测等场景,保证系统在高负载下稳定运行。 本文转载自:https://www.vipshare.com
127 66
|
9天前
|
存储 算法 安全
控制局域网上网软件之 Python 字典树算法解析
控制局域网上网软件在现代网络管理中至关重要,用于控制设备的上网行为和访问权限。本文聚焦于字典树(Trie Tree)算法的应用,详细阐述其原理、优势及实现。通过字典树,软件能高效进行关键词匹配和过滤,提升系统性能。文中还提供了Python代码示例,展示了字典树在网址过滤和关键词屏蔽中的具体应用,为局域网的安全和管理提供有力支持。
36 17
|
10天前
|
存储 人工智能 算法
解锁分布式文件分享的 Java 一致性哈希算法密码
在数字化时代,文件分享成为信息传播与协同办公的关键环节。本文深入探讨基于Java的一致性哈希算法,该算法通过引入虚拟节点和环形哈希空间,解决了传统哈希算法在分布式存储中的“哈希雪崩”问题,确保文件分配稳定高效。文章还展示了Java实现代码,并展望了其在未来文件分享技术中的应用前景,如结合AI优化节点布局和区块链增强数据安全。
|
11天前
|
算法 安全 Java
Java线程调度揭秘:从算法到策略,让你面试稳赢!
在社招面试中,关于线程调度和同步的相关问题常常让人感到棘手。今天,我们将深入解析Java中的线程调度算法、调度策略,探讨线程调度器、时间分片的工作原理,并带你了解常见的线程同步方法。让我们一起破解这些面试难题,提升你的Java并发编程技能!
47 16
|
26天前
|
运维 监控 算法
企业局域网监控软件中 Java 优先队列算法的核心优势
企业局域网监控软件是数字化时代企业网络安全与高效运营的基石,犹如一位洞察秋毫的卫士。通过Java实现的优先队列算法,它能依据事件优先级排序,确保关键网络事件如异常流量、数据泄露等被优先处理,保障系统稳定与安全。代码示例展示了如何定义网络事件类并使用PriorityQueue处理高优先级事件,尤其在面对疑似风险时迅速启动应急措施。这一核心技术助力企业在复杂网络环境中稳健前行,护航业务腾飞。
62 32
|
18天前
|
存储 监控 算法
员工电脑监控屏幕场景下 Python 哈希表算法的探索
在数字化办公时代,员工电脑监控屏幕是保障信息安全和提升效率的重要手段。本文探讨哈希表算法在该场景中的应用,通过Python代码例程展示如何使用哈希表存储和查询员工操作记录,并结合数据库实现数据持久化,助力企业打造高效、安全的办公环境。哈希表在快速检索员工信息、优化系统性能方面发挥关键作用,为企业管理提供有力支持。
41 20
|
13天前
|
存储 人工智能 算法
深度解密:员工飞单需要什么证据之Python算法洞察
员工飞单是企业运营中的隐性风险,严重侵蚀公司利润。为应对这一问题,精准搜集证据至关重要。本文探讨如何利用Python编程语言及其数据结构和算法,高效取证。通过创建Transaction类存储交易数据,使用列表管理订单信息,结合排序算法和正则表达式分析交易时间和聊天记录,帮助企业识别潜在的飞单行为。Python的强大功能使得从交易流水和沟通记录中提取关键证据变得更加系统化和高效,为企业维权提供有力支持。

热门文章

最新文章