LeetCode 34*. 在排序数组中查找元素的第一个和最后一个位置(Python)

简介: 给定一个按照升序排列的整数数组 nums,和一个目标值 target。找出给定目标值在数组中的开始位置和结束位置。你的算法时间复杂度必须是 O(log n) 级别。

给定一个按照升序排列的整数数组 nums,和一个目标值 target。找出给定目标值在数组中的开始位置和结束位置。


你的算法时间复杂度必须是 O(log n) 级别。


如果数组中不存在目标值,返回 [-1, -1]。


示例 1:


输入: nums = [5,7,7,8,8,10], target = 8

输出: [3,4]


示例 2:


输入: nums = [5,7,7,8,8,10], target = 6

输出: [-1,-1]



使用两个二分查找,第一个二分找第一个出现的位置,第二个二分找最后一个出现的位置。即使使用了两个二分查找,时间复杂度仍为 log(n).


步骤:


①找第一个出现的位置,当 arr[mid] == target && target > arr[mid-1] 说明 mid 就是第一个出现的位置,否则递归调用,不断向前缩小范围,最后考虑边界,即 mid == 0,此时如果 arr[mid] == target 就返回 0,否则返回 -1.


②找最后一个出现的位置,当 arr[mid] == target && target < arr[mid + 1] 时,说明 mid 就是最后一个出现的位置,否则递归调用,不断向后缩小范围,最后考虑边界情况,即 mid == end 时,此时如果 arr[mid] == target 就返回 end,否则返回 -1.  


class Solution(object):
    def searchRange(self, nums, target):
        """
        :type nums: List[int]
        :type target: int
        :rtype: List[int]
        """
        first = self.searchFirst(nums, 0, len(nums) - 1, target)
        last = self.searchLast(nums, 0, len(nums) - 1, target)
        return [first, last]
    def searchFirst(self, nums, start, end, target):
        if end >= start:
            mid = int((start + end) / 2)
            if nums[mid] == target and (mid == 0 or target > nums[mid - 1]):
                return mid
            elif nums[mid] < target:
                return self.searchFirst(nums, mid + 1, end, target)
            else:
                return self.searchFirst(nums, start, mid - 1, target)
        return -1
    def searchLast(self, nums, start, end, target):
        if end >= start:
            mid = int((start + end) / 2)
            print(mid)
            if nums[mid] == target and (mid == end or target < nums[mid + 1]):
                            return mid
            elif nums[mid] <= target:   # 注意与搜索第一个数的区别
                return self.searchLast(nums, mid + 1, end, target)
            else:
                return self.searchLast(nums, start, mid - 1, target)
        return -1


相关文章
|
30天前
|
存储 Java 数据处理
(numpy)Python做数据处理必备框架!(一):认识numpy;从概念层面开始学习ndarray数组:形状、数组转置、数值范围、矩阵...
Numpy是什么? numpy是Python中科学计算的基础包。 它是一个Python库,提供多维数组对象、各种派生对象(例如掩码数组和矩阵)以及用于对数组进行快速操作的各种方法,包括数学、逻辑、形状操作、排序、选择、I/0 、离散傅里叶变换、基本线性代数、基本统计运算、随机模拟等等。 Numpy能做什么? numpy的部分功能如下: ndarray,一个具有矢量算术运算和复杂广播能力的快速且节省空间的多维数组 用于对整组数据进行快速运算的标准数学函数(无需编写循环)。 用于读写磁盘数据的工具以及用于操作内存映射文件的工具。 线性代数、随机数生成以及傅里叶变换功能。 用于集成由C、C++
240 0
|
30天前
|
Java 数据处理 索引
(Pandas)Python做数据处理必选框架之一!(二):附带案例分析;刨析DataFrame结构和其属性;学会访问具体元素;判断元素是否存在;元素求和、求标准值、方差、去重、删除、排序...
DataFrame结构 每一列都属于Series类型,不同列之间数据类型可以不一样,但同一列的值类型必须一致。 DataFrame拥有一个总的 idx记录列,该列记录了每一行的索引 在DataFrame中,若列之间的元素个数不匹配,且使用Series填充时,在DataFrame里空值会显示为NaN;当列之间元素个数不匹配,并且不使用Series填充,会报错。在指定了index 属性显示情况下,会按照index的位置进行排序,默认是 [0,1,2,3,...] 从0索引开始正序排序行。
150 0
|
5月前
|
Go
【LeetCode 热题100】DP 实战进阶:最长递增子序列、乘积最大子数组、分割等和子集(力扣300 / 152/ 416 )(Go语言版)
本文深入解析三道经典的动态规划问题:**最长递增子序列(LIS)**、**乘积最大子数组** 和 **分割等和子集**。 - **300. LIS** 通过 `dp[i]` 表示以第 `i` 个元素结尾的最长递增子序列长度,支持 O(n²) 动态规划与 O(n log n) 的二分优化。 - **152. 乘积最大子数组** 利用正负数特性,同时维护最大值与最小值的状态转移方程。 - **416. 分割等和子集** 转化为 0-1 背包问题,通过布尔型 DP 实现子集和判断。 总结对比了三题的状态定义与解法技巧,并延伸至相关变种问题,助你掌握动态规划的核心思想与灵活应用!
171 1
|
算法
Leetcode 初级算法 --- 数组篇
Leetcode 初级算法 --- 数组篇
124 0
|
10月前
|
数据挖掘 数据处理 开发者
Python3 自定义排序详解:方法与示例
Python的排序功能强大且灵活,主要通过`sorted()`函数和列表的`sort()`方法实现。两者均支持`key`参数自定义排序规则。本文详细介绍了基础排序、按字符串长度或元组元素排序、降序排序、多条件排序及使用`lambda`表达式和`functools.cmp_to_key`进行复杂排序。通过示例展示了如何对简单数据类型、字典、类对象及复杂数据结构(如列车信息)进行排序。掌握这些技巧可以显著提升数据处理能力,为编程提供更强大的支持。
449 10
|
12月前
|
搜索推荐 Python
快速排序的 Python 实践:从原理到优化,打造你的排序利器!
本文介绍了 Python 中的快速排序算法,从基本原理、实现代码到优化方法进行了详细探讨。快速排序采用分治策略,通过选择基准元素将数组分为两部分,递归排序。文章还对比了快速排序与冒泡排序的性能,展示了优化前后快速排序的差异。通过这些分析,帮助读者理解快速排序的优势及优化的重要性,从而在实际应用中选择合适的排序算法和优化策略,提升程序性能。
339 1
|
机器学习/深度学习 并行计算 大数据
【Python篇】NumPy完整指南(上篇):掌握数组、矩阵与高效计算的核心技巧2
【Python篇】NumPy完整指南(上篇):掌握数组、矩阵与高效计算的核心技巧
365 10
【LeetCode-每日一题】 删除排序数组中的重复项
【LeetCode-每日一题】 删除排序数组中的重复项
103 4
|
索引
Leetcode第三十三题(搜索旋转排序数组)
这篇文章介绍了解决LeetCode第33题“搜索旋转排序数组”的方法,该问题要求在旋转过的升序数组中找到给定目标值的索引,如果存在则返回索引,否则返回-1,文章提供了一个时间复杂度为O(logn)的二分搜索算法实现。
108 0
Leetcode第三十三题(搜索旋转排序数组)
|
算法 C++
Leetcode第53题(最大子数组和)
这篇文章介绍了LeetCode第53题“最大子数组和”的动态规划解法,提供了详细的状态转移方程和C++代码实现,并讨论了其他算法如贪心、分治、改进动态规划和分块累计法。
203 0

推荐镜像

更多