【模拟面试问答】深入解析力扣163题:缺失的区间(线性扫描与双指针法详解)

本文涉及的产品
云解析 DNS,旗舰版 1个月
全局流量管理 GTM,标准版 1个月
公共DNS(含HTTPDNS解析),每月1000万次HTTP解析
简介: 【模拟面试问答】深入解析力扣163题:缺失的区间(线性扫描与双指针法详解)

❤️❤️❤️ 欢迎来到我的博客。希望您能在这里找到既有价值又有趣的内容,和我一起探索、学习和成长。欢迎评论区畅所欲言、享受知识的乐趣!

期待与您一起探索技术、持续学习、一步步打怪升级 欢迎订阅本专栏❤️❤️

在本篇文章中,我们将详细解读力扣第163题“缺失的区间”。通过学习本篇文章,读者将掌握如何使用多种方法来解决这一问题,并了解相关的复杂度分析和模拟面试问答。每种方法都将配以详细的解释和ASCII图解,以便于理解。

问题描述

力扣第163题“缺失的区间”描述如下:

给定一个排序的整数数组 nums 和两个整数 lowerupper,返回数组中缺失的区间。缺失的区间指的是 nums 中没有出现并且在 [lower, upper] 范围内的整数区间。

示例 1:

输入: nums = [0, 1, 3, 50, 75], lower = 0, upper = 99
输出: ["2", "4->49", "51->74", "76->99"]

示例 2:

输入: nums = [], lower = 1, upper = 1
输出: ["1"]

示例 3:

输入: nums = [], lower = -3, upper = -1
输出: ["-3->-1"]

示例 4:

输入: nums = [-1], lower = -1, upper = -1
输出: []

解题思路

方法一:线性扫描
  1. 初步分析
  • 需要找出数组中缺失的区间,并且这些区间要在 [lower, upper] 范围内。
  • 可以通过遍历数组,并检查相邻元素之间的差值来确定缺失的区间。
  1. 步骤
  • 初始化一个结果列表 result,用于存储缺失的区间。
  • 初始化一个变量 prev,表示前一个检查的元素,初始值为 lower - 1
  • 遍历数组nums,对于每个元素num,检查numprev之间的差值:
  • 如果差值等于2,则添加单个缺失的元素到结果列表。
  • 如果差值大于2,则添加一个区间到结果列表。
  • 更新 prev 为当前元素 num
  • 最后检查 prevupper 之间的差值,处理结束位置的缺失区间。
代码实现
def findMissingRanges(nums, lower, upper):
    result = []
    prev = lower - 1
    for num in nums:
        if num - prev == 2:
            result.append(str(prev + 1))
        elif num - prev > 2:
            result.append(f"{prev + 1}->{num - 1}")
        prev = num
    if upper - prev == 1:
        result.append(str(prev + 1))
    elif upper - prev > 1:
        result.append(f"{prev + 1}->{upper}")
    return result
# 测试案例
print(findMissingRanges([0, 1, 3, 50, 75], 0, 99))  # 输出: ["2", "4->49", "51->74", "76->99"]
print(findMissingRanges([], 1, 1))  # 输出: ["1"]
print(findMissingRanges([], -3, -1))  # 输出: ["-3->-1"]
print(findMissingRanges([-1], -1, -1))  # 输出: []
ASCII图解

假设输入数组为 [0, 1, 3, 50, 75]lower = 0upper = 99,图解如下:

初始状态:
nums: [0, 1, 3, 50, 75]
lower: 0, upper: 99
prev: -1
遍历过程:
num = 0, prev = -1, 差值 = 1, 无缺失
num = 1, prev = 0, 差值 = 1, 无缺失
num = 3, prev = 1, 差值 = 2, 缺失单个元素 "2"
num = 50, prev = 3, 差值 = 47, 缺失区间 "4->49"
num = 75, prev = 50, 差值 = 25, 缺失区间 "51->74"
结束检查:
upper = 99, prev = 75, 差值 = 24, 缺失区间 "76->99"
最终结果:
["2", "4->49", "51->74", "76->99"]

方法二:使用双指针法

  1. 初步分析
  • 利用双指针的方法来查找数组中缺失的区间。
  • 通过两个指针分别遍历数组的不同部分,将结果添加到结果列表中。
  1. 步骤
  • 初始化两个指针 leftright 分别指向数组的起始和结束。
  • 遍历数组,并检查每个指针之间的区间,找到缺失的区间。
  • 将缺失的区间添加到结果列表中。
代码实现
def findMissingRanges(nums, lower, upper):
    result = []
    left = lower
    for num in nums:
        if num > left:
            if num - left == 1:
                result.append(str(left))
            else:
                result.append(f"{left}->{num - 1}")
        left = num + 1
    if left <= upper:
        if left == upper:
            result.append(str(left))
        else:
            result.append(f"{left}->{upper}")
    return result
# 测试案例
print(findMissingRanges([0, 1, 3, 50, 75], 0, 99))  # 输出: ["2", "4->49", "51->74", "76->99"]
print(findMissingRanges([], 1, 1))  # 输出: ["1"]
print(findMissingRanges([], -3, -1))  # 输出: ["-3->-1"]
print(findMissingRanges([-1], -1, -1))  # 输出: []
ASCII图解

假设输入数组为 [0, 1, 3, 50, 75]lower = 0upper = 99,图解如下:

初始状态:
nums: [0, 1, 3, 50, 75]
lower: 0, upper: 99
left: 0
遍历过程:
num = 0, left = 0, 无缺失
num = 1, left = 1, 无缺失
num = 3, left = 2, 缺失单个元素 "2"
num = 50, left = 4, 缺失区间 "4->49"
num = 75, left = 51, 缺失区间 "51->74"
结束检查:
left = 76, upper = 99, 缺失区间 "76->99"
最终结果:
["2", "4->49", "51->74", "76->99"]

复杂度分析

  • 时间复杂度
  • 线性扫描法:O(n),其中 n 是数组 nums 的长度。遍历数组一次即可完成缺失区间的计算。
  • 双指针法:O(n),其中 n 是数组 nums 的长度。遍历数组一次即可完成缺失区间的计算。
  • 空间复杂度
  • 两种方法均为 O(1),除了存储结果的列表外,只使用了常数空间来存储变量。

模拟面试问答

问题 1:你能描述一下如何解决这个问题的思路吗?

回答:当然。我们需要找到排序数组 nums 中在 [lower, upper] 范围内缺失的区间。通过遍历数组,我们可以检查相邻元素之间的差值,如果差值大于1,则表示存在缺失的区间。我们需要处理数组起始位置和结束位置的特殊情况,以确保所有缺失区间都能被找到。

问题 2:如果数组是空的,你的算法会如何处理?

回答:如果数组是空的,我们只需检查整个 [lower, upper] 范围是否为一个缺失的区间。如果 lowerupper 相等,则缺失一个元素。如果 lowerupper 不相等,则缺失一个区间。

问题 3:你能解释一下你的代码是如何处理数组起始位置和结束位置的特殊情况的吗?

回答:在代码中,我们首先初始化 prevlower - 1,这样在第一次遍历时可以正确检查起始位置的缺失区间。在遍历结束后,我们检查 prevupper 之间的差值,处理结束位置的缺失区

间。如果 prevupper 之间存在缺失元素或区间,我们将其添加到结果列表中。

总结

本文详细解读了力扣第163题“缺失的区间”,通过线性扫描法和双指针法两种方法,高效地解决了这一问题,并提供了详细的ASCII图解和模拟面试问答。希望读者通过本文的学习,能够在力扣刷题的过程中更加得心应手。

参考资料

  • 《算法导论》—— Thomas H. Cormen, Charles E. Leiserson, Ronald L. Rivest, Clifford Stein
  • 力扣官方题解

🌹🌹如果觉得这篇文对你有帮助的话,记得一键三连关注、赞👍🏻、收藏是对作者最大的鼓励,非常感谢 ❥(^_-)

❤️❤️关注公众号 数据分析螺丝钉 回复 学习资料 领取高价值免费学习资料❥(^_-)

欢迎关注微信公众号 数据分析螺丝钉

相关文章
|
1月前
|
监控 Java 应用服务中间件
高级java面试---spring.factories文件的解析源码API机制
【11月更文挑战第20天】Spring Boot是一个用于快速构建基于Spring框架的应用程序的开源框架。它通过自动配置、起步依赖和内嵌服务器等特性,极大地简化了Spring应用的开发和部署过程。本文将深入探讨Spring Boot的背景历史、业务场景、功能点以及底层原理,并通过Java代码手写模拟Spring Boot的启动过程,特别是spring.factories文件的解析源码API机制。
71 2
|
18天前
|
Java 程序员
面试官的加分题:super关键字全解析,轻松应对!
小米,29岁程序员,通过一个关于Animal和Dog类的故事,详细解析了Java中super关键字的多种用法,包括调用父类构造方法、访问父类成员变量及调用父类方法,帮助读者更好地理解和应用super,应对面试挑战。
34 3
|
1月前
|
存储 网络协议 安全
30 道初级网络工程师面试题,涵盖 OSI 模型、TCP/IP 协议栈、IP 地址、子网掩码、VLAN、STP、DHCP、DNS、防火墙、NAT、VPN 等基础知识和技术,帮助小白们充分准备面试,顺利踏入职场
本文精选了 30 道初级网络工程师面试题,涵盖 OSI 模型、TCP/IP 协议栈、IP 地址、子网掩码、VLAN、STP、DHCP、DNS、防火墙、NAT、VPN 等基础知识和技术,帮助小白们充分准备面试,顺利踏入职场。
83 2
|
1月前
|
存储 NoSQL MongoDB
MongoDB面试专题33道解析
大家好,我是 V 哥。今天为大家整理了 MongoDB 面试题,涵盖 NoSQL 数据库基础、MongoDB 的核心概念、集群与分片、备份恢复、性能优化等内容。这些题目和解答不仅适合面试准备,也是日常工作中深入理解 MongoDB 的宝贵资料。希望对大家有所帮助!
|
1月前
|
缓存 前端开发 JavaScript
"面试通关秘籍:深度解析浏览器面试必考问题,从重绘回流到事件委托,让你一举拿下前端 Offer!"
【10月更文挑战第23天】在前端开发面试中,浏览器相关知识是必考内容。本文总结了四个常见问题:浏览器渲染机制、重绘与回流、性能优化及事件委托。通过具体示例和对比分析,帮助求职者更好地理解和准备面试。掌握这些知识点,有助于提升面试表现和实际工作能力。
66 1
|
3月前
|
Unix Shell Linux
LeetCode刷题 Shell编程四则 | 194. 转置文件 192. 统计词频 193. 有效电话号码 195. 第十行
本文提供了几个Linux shell脚本编程问题的解决方案,包括转置文件内容、统计词频、验证有效电话号码和提取文件的第十行,每个问题都给出了至少一种实现方法。
LeetCode刷题 Shell编程四则 | 194. 转置文件 192. 统计词频 193. 有效电话号码 195. 第十行
|
4月前
|
Python
【Leetcode刷题Python】剑指 Offer 32 - III. 从上到下打印二叉树 III
本文介绍了两种Python实现方法,用于按照之字形顺序打印二叉树的层次遍历结果,实现了在奇数层正序、偶数层反序打印节点的功能。
63 6
|
4月前
|
搜索推荐 索引 Python
【Leetcode刷题Python】牛客. 数组中未出现的最小正整数
本文介绍了牛客网题目"数组中未出现的最小正整数"的解法,提供了一种满足O(n)时间复杂度和O(1)空间复杂度要求的原地排序算法,并给出了Python实现代码。
125 2
|
1月前
|
机器学习/深度学习 人工智能 自然语言处理
280页PDF,全方位评估OpenAI o1,Leetcode刷题准确率竟这么高
【10月更文挑战第24天】近年来,OpenAI的o1模型在大型语言模型(LLMs)中脱颖而出,展现出卓越的推理能力和知识整合能力。基于Transformer架构,o1模型采用了链式思维和强化学习等先进技术,显著提升了其在编程竞赛、医学影像报告生成、数学问题解决、自然语言推理和芯片设计等领域的表现。本文将全面评估o1模型的性能及其对AI研究和应用的潜在影响。
43 1

推荐镜像

更多
下一篇
DataWorks