【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)

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
|
算法 Go 索引
【LeetCode 热题100】45:跳跃游戏 II(详细解析)(Go语言版)
本文详细解析了力扣第45题“跳跃游戏II”的三种解法:贪心算法、动态规划和反向贪心。贪心算法通过选择每一步能跳到的最远位置,实现O(n)时间复杂度与O(1)空间复杂度,是面试首选;动态规划以自底向上的方式构建状态转移方程,适合初学者理解但效率较低;反向贪心从终点逆向寻找最优跳点,逻辑清晰但性能欠佳。文章对比了各方法的优劣,并提供了Go语言代码实现,助你掌握最小跳跃次数问题的核心技巧。
555 15
|
8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。
|
机器学习/深度学习 存储 算法
【LeetCode 热题100】347:前 K 个高频元素(详细解析)(Go语言版)
这篇文章详细解析了力扣热题 347——前 K 个高频元素的三种解法:哈希表+小顶堆、哈希表+快速排序和哈希表+桶排序。每种方法都附有清晰的思路讲解和 Go 语言代码实现。小顶堆方法时间复杂度为 O(n log k),适合处理大规模数据;快速排序方法时间复杂度为 O(n log n),适用于数据量较小的场景;桶排序方法在特定条件下能达到线性时间复杂度 O(n)。文章通过对比分析,帮助读者根据实际需求选择最优解法,并提供了完整的代码示例,是一篇非常实用的算法学习资料。
801 90
|
存储 算法 Go
【LeetCode 热题100】17:电话号码的字母组合(详细解析)(Go语言版)
LeetCode 17题解题思路采用回溯算法,通过递归构建所有可能的组合。关键点包括:每位数字对应多个字母,依次尝试;递归构建下一个字符;递归出口为组合长度等于输入数字长度。Go语言实现中,使用map存储数字到字母的映射,通过回溯函数递归生成组合。时间复杂度为O(3^n * 4^m),空间复杂度为O(n)。类似题目包括括号生成、组合、全排列等。掌握回溯法的核心思想,能够解决多种排列组合问题。
530 11
|
Go
【LeetCode 热题100】155:最小栈(详细解析)(Go语言版)
本文详细解析了力扣热题155:最小栈的解题思路与实现方法。题目要求设计一个支持 push、核心思路是使用辅助栈法,通过两个栈(主栈和辅助栈)来维护当前栈中的最小值。具体操作包括:push 时同步更新辅助栈,pop 时检查是否需要弹出辅助栈的栈顶,getMin 时直接返回辅助栈的栈顶。文章还提供了 Go 语言的实现代码,并对复杂度进行了分析。此外,还介绍了单栈 + 差值记录法的进阶思路,并总结了常见易错点,如 pop 操作时忘记同步弹出辅助栈等。
439 6
|
Go 索引
【LeetCode 热题100】739:每日温度(详细解析)(Go语言版)
这篇文章详细解析了 LeetCode 第 739 题“每日温度”,探讨了如何通过单调栈高效解决问题。题目要求根据每日温度数组,计算出等待更高温度的天数。文中推荐使用单调递减栈,时间复杂度为 O(n),优于暴力解法的 O(n²)。通过实例模拟和代码实现(如 Go 语言版本),清晰展示了栈的操作逻辑。此外,还提供了思维拓展及相关题目推荐,帮助深入理解单调栈的应用场景。
490 6
|
算法 Go
🚀 力扣热题 78:子集(详细解析)
✅ 回溯法:经典通用模板,逻辑清晰易扩展。 ✅ 二进制法:简洁高效,适合面试快速写出解法。
537 30
|
存储 算法 数据可视化
【二叉树遍历入门:从中序遍历到层序与右视图】【LeetCode 热题100】94:二叉树的中序遍历、102:二叉树的层序遍历、199:二叉树的右视图(详细解析)(Go语言版)
本文详细解析了二叉树的三种经典遍历方式:中序遍历(94题)、层序遍历(102题)和右视图(199题)。通过递归与迭代实现中序遍历,深入理解深度优先搜索(DFS);借助队列完成层序遍历和右视图,掌握广度优先搜索(BFS)。文章对比DFS与BFS的思维方式,总结不同遍历的应用场景,为后续构造树结构奠定基础。
635 10
|
Go 索引 Perl
【LeetCode 热题100】【二叉树构造题精讲:前序 + 中序建树 & 有序数组构造 BST】(详细解析)(Go语言版)
本文详细解析了二叉树构造的两类经典问题:通过前序与中序遍历重建二叉树(LeetCode 105),以及将有序数组转化为平衡二叉搜索树(BST,LeetCode 108)。文章从核心思路、递归解法到实现细节逐一拆解,强调通过索引控制子树范围以优化性能,并对比两题的不同构造逻辑。最后总结通用构造套路,提供进阶思考方向,帮助彻底掌握二叉树构造类题目。
892 9
|
存储 自然语言处理 算法
【LeetCode 热题100】208:实现 Trie (前缀树)(详细解析)(Go语言版)
本文详细解析了力扣热题 208——实现 Trie(前缀树)。Trie 是一种高效的树形数据结构,用于存储和检索字符串集合。文章通过插入、查找和前缀匹配三个核心操作,结合 Go 语言实现代码,清晰展示了 Trie 的工作原理。时间复杂度为 O(m),空间复杂度也为 O(m),其中 m 为字符串长度。此外,还探讨了 Trie 的变种及应用场景,如自动补全和词典查找等。适合初学者深入了解 Trie 结构及其实际用途。
541 14

推荐镜像

更多
  • DNS