【经典算法】 leetcode88.合并排序的数组(Java/C/Python3实现含注释说明,Easy)

简介: 【经典算法】 leetcode88.合并排序的数组(Java/C/Python3实现含注释说明,Easy)

题目描述

给你两个按 非递减顺序 排列的整数数组 nums1 和 nums2,另有两个整数 m 和 n ,分别表示 nums1 和 nums2 中的元素数目。
请你 合并 nums2 到 nums1 中,使合并后的数组同样按 非递减顺序 排列。
注意:最终,合并后数组不应由函数返回,而是存储在数组 nums1 中。为了应对这种情况,nums1 的初始长度为 m + n,其中前 m 个元素表示应合并的元素,后 n 个元素为 0 ,应忽略。nums2 的长度为 n 。
 
示例 1:
输入:nums1 = [1,2,3,0,0,0], m = 3, nums2 = [2,5,6], n = 3
输出:[1,2,2,3,5,6]
解释:需要合并 [1,2,3] 和 [2,5,6] 。
合并结果是 [1,2,2,3,5,6] ,其中斜体加粗标注的为 nums1 中的元素。
示例 2:
输入:nums1 = [1], m = 1, nums2 = [], n = 0
输出:[1]
解释:需要合并 [1] 和 [] 。
合并结果是 [1] 。
示例 3:
输入:nums1 = [0], m = 0, nums2 = [1], n = 1
输出:[1]
解释:需要合并的数组是 [] 和 [1] 。
合并结果是 [1] 。
注意,因为 m = 0 ,所以 nums1 中没有元素。nums1 中仅存的 0 仅仅是为了确保合并结果可以顺利存放到 nums1 中。
 
提示:
nums1.length == m + n
nums2.length == n
0 <= m, n <= 200
1 <= m + n <= 200
-109 <= nums1[i], nums2[j] <= 109
 
进阶:你可以设计实现一个时间复杂度为 O(m + n) 的算法解决此问题吗?

原题:LeetCode 88

思路及实现

方式一:从后向前双指针

思路

我们可以使用双指针,分别从两个数组的末尾开始,将较大的数依次放入 nums1 的末尾。因为 nums1 的空间足够大,所以可以直接将 nums2 中的元素放入 nums1 中。当 nums2 的指针到达末尾时,nums1 中剩下的元素就无需移动了,因为它们已经是排好序的。

代码实现

Java版本
public void merge(int[] nums1, int m, int[] nums2, int n) {
    int i = m - 1; // nums1 有效元素末尾指针
    int j = n - 1; // nums2 末尾指针
    int k = m + n - 1; // 合并后数组末尾指针
    
    while (j >= 0) {
        if (i >= 0 && nums1[i] > nums2[j]) {
            nums1[k--] = nums1[i--];
        } else {
            nums1[k--] = nums2[j--];
        }
    }
}

说明:

  • 初始化三个指针,i 指向 nums1 的有效元素末尾,j 指向 nums2 的末尾,k 指向合并后数组的末尾。
  • 当 j >= 0 时,说明 nums2 中还有元素未处理,继续循环。
  • 比较 nums1[i] 和 nums2[j] 的大小,将较大的数放入 nums1[k],并将对应指针前移。
  • 循环结束后,nums1 中的元素已经是合并后的排序数组。
C语言版本
void merge(int* nums1, int nums1Size, int m, int* nums2, int nums2Size, int n){
    int i = m - 1;
    int j = n - 1;
    int k = m + n - 1;
    
    while (j >= 0) {
        if (i >= 0 && nums1[i] > nums2[j]) {
            nums1[k--] = nums1[i--];
        } else {
            nums1[k--] = nums2[j--];
        }
    }
}

说明:

  • C语言版本的实现与 Java 版本类似,只是参数传递和数组访问的方式略有不同。
Python3版本
def merge(nums1: List[int], m: int, nums2: List[int], n: int) -> None:
    i = m - 1
    j = n - 1
    k = m + n - 1
    
    while j >= 0:
        if i >= 0 and nums1[i] > nums2[j]:
            nums1[k] = nums1[i]
            i -= 1
        else:
            nums1[k] = nums2[j]
            j -= 1
        k -= 1

说明:

  • Python 版本的实现逻辑与 Java 和 C 版本相同,只是语法上有些差异。

复杂度分析

  • 时间复杂度:O(m + n),其中 m 和 n 分别是 nums1 和 nums2 的长度。需要遍历两个数组中的所有元素。
  • 空间复杂度:O(1),除了原数组 nums1 外,没有使用额外的空间。

方式二:从前往后双指针(需要额外空间)

思路

我们创建一个新的数组 temp,其长度为 m + n(即 nums1nums2 合并后的长度)。然后,我们使用两个指针分别遍历 nums1nums2,将较小的元素依次放入 temp 数组中,直到其中一个数组遍历完。最后,将另一个数组中剩余的元素(如果有的话)直接复制到 temp 数组的末尾。最后,将 temp 数组的内容复制回 nums1

代码实现

Java版本
public void merge(int[] nums1, int m, int[] nums2, int n) {
    int[] temp = new int[m + n];
    int i = 0, j = 0, k = 0;
    
    while (i < m && j < n) {
        if (nums1[i] <= nums2[j]) {
            temp[k++] = nums1[i++];
        } else {
            temp[k++] = nums2[j++];
        }
    }
    
    while (i < m) {
        temp[k++] = nums1[i++];
    }
    
    while (j < n) {
        temp[k++] = nums2[j++];
    }
    
    // 将 temp 数组的内容复制回 nums1
    for (i = 0; i < m + n; i++) {
        nums1[i] = temp[i];
    }
}

说明:

  • 初始化三个指针 ijk,分别用于遍历 nums1nums2 和填充 temp 数组。
  • 使用 while 循环比较 nums1[i]nums2[j] 的大小,将较小的数放入 temp[k] 中,并移动对应的指针。
  • 当其中一个数组遍历完后,将另一个数组中剩余的元素直接复制到 temp 数组的末尾。
  • 最后,将 temp 数组的内容复制回 nums1
C语言版本
void merge(int* nums1, int nums1Size, int m, int* nums2, int nums2Size, int n) {
    int* temp = (int*)malloc((m + n) * sizeof(int));
    int i = 0, j = 0, k = 0;
    
    while (i < m && j < n) {
        if (nums1[i] <= nums2[j]) {
            temp[k++] = nums1[i++];
        } else {
            temp[k++] = nums2[j++];
        }
    }
    
    while (i < m) {
        temp[k++] = nums1[i++];
    }
    
    while (j < n) {
        temp[k++] = nums2[j++];
    }
    
    // 将 temp 数组的内容复制回 nums1
    for (i = 0; i < m + n; i++) {
        nums1[i] = temp[i];
    }
    
    free(temp); // 释放临时数组的空间
}

说明:

  • C语言版本与 Java 版本逻辑相似,但需要注意内存分配和释放。使用 malloc 分配临时数组 temp 的空间,并在使用完毕后使用 free 释放空间。
Python3版本
from typing import List
def merge(nums1: List[int], m: int, nums2: List[int], n: int) -> None:
    temp = [0] * (m + n)
    i, j, k = 0, 0, 0
    
    while i < m and j < n:
        if nums1[i] <= nums2[j]:
            temp[k] = nums1[i]
            i += 1
        else:
            temp[k] = nums2[j]
            j += 1
        k += 1
    
    while i < m:
        temp[k] = nums1[i]
        i += 1
        k += 1
    
    while j < n:
        temp[k] = nums2[j]
        j += 1
        k += 1
    
    # 将 temp 数组的内容复制回nums1
    for i in range(m + n):
    nums1[i] = temp[i]

说明:

  • Python版本使用了列表(List)作为数组,其动态分配内存的特性使得我们无需手动管理内存。
  • 逻辑与其他版本类似,都是将较小的元素依次放入临时数组 temp 中,然后将 temp 的内容复制回 nums1

复杂度分析

  • 时间复杂度:O(m + n),其中 m 和 n 分别是 nums1nums2 的长度。我们需要遍历两个数组的所有元素,并将它们放入临时数组 temp 中,最后再复制回 nums1
  • 空间复杂度:O(m + n),我们需要一个额外的数组 temp 来存储合并后的结果。这个数组的长度是 m + n。

虽然这种方法使用了额外的空间,但它简化了问题,因为我们可以专注于合并两个数组,而无需考虑如何在原地修改 nums1 来容纳 nums2 的元素。在实际应用中,根据具体的性能需求和内存限制,可以选择使用原地修改或者额外空间的方法。

总结

解题方式 优点 缺点 时间复杂度 空间复杂度 其他注意事项
从前往后双指针(原地修改) 无需额外空间,原地修改 逻辑相对复杂,需要正确处理合并细节 O(m + n) O(1) 需要确保 nums1 有足够空间
从前往后双指针(需要额外空间) 逻辑简单,易于理解 需要额外空间存放合并结果 O(m + n) O(m + n) 适用于空间限制不严格的情况

这两种方式都是解决合并两个有序数组问题的有效方法。选择哪种方式取决于具体的性能要求和内存限制。如果内存空间有限,或者希望避免额外的空间开销,可以选择原地修改的方式。如果内存限制不严格,或者希望简化代码逻辑,可以选择使用额外空间的方式。在编写代码时,还需要注意处理边界情况,确保代码的正确性和健壮性。

相似题目

相似题目 难度 链接
两个数组的交集 简单 leetcode-349
两个数组的交集 II 简单 leetcode-350
合并两个有序数组 简单 leetcode-88
合并两个有序链表 中等 leetcode-21
合并K个排序链表 困难 leetcode-23
有序链表转换有序数组 中等 leetcode-148
有序数组的三数之和 中等 leetcode-33
在排序数组中查找元素的第一个和最后一个位置 中等 leetcode-34

这些题目涉及了数组和链表的合并、排序和查找操作,其中一些题目与题目“合并两个有序数组”有类似的解题思路或要求。通过练习这些题目,可以加深对数组和链表操作的理解,提高算法设计和实现的能力。

相关文章
|
6月前
|
算法 搜索推荐 JavaScript
基于python智能推荐算法的全屋定制系统
本研究聚焦基于智能推荐算法的全屋定制平台网站设计,旨在解决消费者在个性化定制中面临的选择难题。通过整合Django、Vue、Python与MySQL等技术,构建集家装设计、材料推荐、家具搭配于一体的一站式智能服务平台,提升用户体验与行业数字化水平。
|
6月前
|
存储 监控 算法
监控电脑屏幕的帧数据检索 Python 语言算法
针对监控电脑屏幕场景,本文提出基于哈希表的帧数据高效检索方案。利用时间戳作键,实现O(1)级查询与去重,结合链式地址法支持多条件检索,并通过Python实现插入、查询、删除操作。测试表明,相较传统列表,检索速度提升80%以上,存储减少15%,具备高实时性与可扩展性,适用于大规模屏幕监控系统。
207 5
|
6月前
|
设计模式 算法 搜索推荐
Java 设计模式之策略模式:灵活切换算法的艺术
策略模式通过封装不同算法并实现灵活切换,将算法与使用解耦。以支付为例,微信、支付宝等支付方式作为独立策略,购物车根据选择调用对应支付逻辑,提升代码可维护性与扩展性,避免冗长条件判断,符合开闭原则。
1572 35
|
6月前
|
存储 算法 搜索推荐
《数据之美》:Java数据结构与算法精要
本系列深入探讨数据结构与算法的核心原理及Java实现,涵盖线性与非线性结构、常用算法分类、复杂度分析及集合框架应用,助你提升程序效率,掌握编程底层逻辑。
|
6月前
|
存储 人工智能 算法
从零掌握贪心算法Java版:LeetCode 10题实战解析(上)
在算法世界里,有一种思想如同生活中的"见好就收"——每次做出当前看来最优的选择,寄希望于通过局部最优达成全局最优。这种思想就是贪心算法,它以其简洁高效的特点,成为解决最优问题的利器。今天我们就来系统学习贪心算法的核心思想,并通过10道LeetCode经典题目实战演练,带你掌握这种"步步为营"的解题思维。
|
6月前
|
机器学习/深度学习 算法 机器人
【水下图像增强融合算法】基于融合的水下图像与视频增强研究(Matlab代码实现)
【水下图像增强融合算法】基于融合的水下图像与视频增强研究(Matlab代码实现)
611 0
|
6月前
|
数据采集 分布式计算 并行计算
mRMR算法实现特征选择-MATLAB
mRMR算法实现特征选择-MATLAB
400 2
|
7月前
|
传感器 机器学习/深度学习 编解码
MATLAB|主动噪声和振动控制算法——对较大的次级路径变化具有鲁棒性
MATLAB|主动噪声和振动控制算法——对较大的次级路径变化具有鲁棒性
334 3
|
6月前
|
机器学习/深度学习 算法 机器人
使用哈里斯角Harris和SIFT算法来实现局部特征匹配(Matlab代码实现)
使用哈里斯角Harris和SIFT算法来实现局部特征匹配(Matlab代码实现)
305 8
|
6月前
|
机器学习/深度学习 算法 自动驾驶
基于导向滤波的暗通道去雾算法在灰度与彩色图像可见度复原中的研究(Matlab代码实现)
基于导向滤波的暗通道去雾算法在灰度与彩色图像可见度复原中的研究(Matlab代码实现)
347 8

推荐镜像

更多