当前位置:网站首页>leetcode-268.丢失的数字
leetcode-268.丢失的数字
2022-08-03 15:53:00 【KGundam】
位运算
题目详情
给定一个包含 [0, n]
中 n 个数的数组 nums
,找出 [0, n]
这个范围内没有出现在数组中的那个数。
示例1:
输入:nums = [3,0,1]
输出:2
解释:n = 3,因为有 3 个数字,所以所有的数字都在范围 [0,3] 内。2 是丢失的数字,因为它没有出现在 nums 中。
示例2:
输入:nums = [0,1]
输出:2
解释:n = 2,因为有 2 个数字,所以所有的数字都在范围 [0,2] 内。2 是丢失的数字,因为它没有出现在 nums 中。
示例3:
输入:nums = [9,6,4,2,3,5,7,0,1]
输出:8
解释:n = 9,因为有 9 个数字,所以所有的数字都在范围 [0,9] 内。8 是丢失的数字,因为它没有出现在 nums 中。
示例4:
输入:nums = [0]
输出:1
解释:n = 1,因为有 1 个数字,所以所有的数字都在范围 [0,1] 内。1 是丢失的数字,因为它没有出现在 nums 中。
第一种方法:排序比较元素和下标
我们可以将数组排序,存在的数字,将会与它的下标相对应
数组长n,下标为[0,n-1],假设缺失的数字为k,那么存在下面两种情况:
<1> 0≤k<n
: 此时缺失的元素前面的元素和下标都一一对应,到了k变为nums[k] == k+1
<2> k == n
: 此时0~n-1没有缺失的,所以对于任意nums[i]都是nums[i] == i
,即元素和下标一一对应
代码如下:
class Solution
{
public:
int missingNumber(vector<int>& nums)
{
sort(nums.begin(), nums.end()); //排序
int n = nums.size();
for (int i = 0; i < n; ++i)
{
if (nums[i] != i) //第一种情况
return i;
}
return n; //第二种情况
}
};
第二种方法:哈希集合
本质上是和第一种方法一样的,只是降低了复杂度
首先遍历数组 nums,将数组中的每个元素加入哈希集合,然后依次检查从 0 到 n 的每个整数是否在哈希集合中,不在哈希集合中的数字即为丢失的数字。
代码如下:
class Solution
{
public:
int missingNumber(vector<int>& nums)
{
unordered_set<int> set;
int n = nums.size();
for (int i = 0; i < n; ++i) //将存在的元素都存入集合
set.insert(nums[i]);
int missing = -1; //因为0也是元素,所以初始化为-1
for (int i = 0; i <= n; ++i) //检查0~n的元素
{
if (!set.count(i)) //看哪个元素不在set中
{
missing = i; //缺失的就是这个元素
break;
}
}
return missing;
}
};
第三种方法:位运算!
这种方法的原理和leetcode-136.只出现一次的数字一样,可以点进去看一下
核心思想就是:一个数和它自己异或运算就会抵消掉归零
我们只需将所有元素和下标进行异或运算,最后留下来的即为找不到元素的下标
class Solution
{
public:
int missingNumber(vector<int>& nums)
{
int res = 0, n = nums.size();
for (int i = 0; i < n; ++i) //异或元素
res ^= nums[i];
for (int i = 0; i <= n; ++i) //异或下标
res ^= i;
/*也可以简写为: for (int i = 0; i < n; ++i) { res ^= nums[i]; res ^= i; } 这种方法需要注意的点是需要注意循环i取不到n 所以res要初始化为n */
return res;
}
};
第四种方法:数学方法
class Solution
{
public:
int missingNumber(vector<int>& nums)
{
int n = nums.size(), total = n * (n + 1) / 2, arrSum = 0;
for (int i = 0; i < n; ++i)
arrSum +=nums[i];
return total - arrSum;
}
};
位运算常用技巧
边栏推荐
- 2021年数据泄露成本报告解读
- 人脸识别损失函数的汇总 | Pytorch版本实现
- 深入浅出Flask PIN
- 美国国防部更“青睐”光量子系统研究路线
- 高可用版 主数据库数据结构改变 备数据库会自动改变吗
- 深入浅出Flask PIN
- 开源一夏 | 打工人的第25天-曾经的考研人
- Convex Optimization of Optimal Power Flow (OPF) in Microgrids and DC Grids (Matlab Code Implementation)
- AWS中国区SDN Connector
- 49 万奖金等你来拿!第四届实时计算 Flink 挑战赛启动,Beyond Stream Processing!
猜你喜欢
AI也有健忘症?英国41岁教授专访:解决灾难性遗忘
新一代网状网协议T-Mesh无线通信技术优势介绍
简介undo log、truncate、以及undo log如何帮你回滚事物?
spark入门学习-2
AWS China SDN Connector
常见分布式理论(CAP、BASE)和一致性协议(Gosssip、Raft)
上亿数据怎么玩深度分页?兼容MySQL + ES + MongoDB
Awesome!Coroutines are finally here!Thread is about to be in the past
使用Make/CMake编译ARM裸机程序(基于HT32F52352 Cortex-M0+)
Research on power flow in DC microgrid based on Newton's method (Matlab code implementation)
随机推荐
一文看懂推荐系统:概要02:推荐系统的链路,从召回粗排,到精排,到重排,最终推荐展示给用户
为什么我强烈推荐使用智能化async?
字典表(还需要输入2个字)
Fortinet产品导入AWS AMI操作文档
为教育插上数字化的翅膀,网易云信发布「互联网+教育」整体解决方案
13、OOM模拟
ECCV 2022 | 基于关系查询的时序动作检测方法
STM32 GPIO LED和蜂鸣器实现【第四天】
袁小林:沃尔沃专注于出行的安全感,并且把它做到极致
Not to be ignored!Features and advantages of outdoor LED display
并发编程的核心问题
基于DMS的数仓智能运维服务,知多少?
window.open不显示favicon.icon
【899. Ordered Queue】
如何将二维空间先验注入到ViT中? UMA&港理工&阿里提出SP-ViT,为视觉Transformer学习2D空间先验知识!...
Basic knowledge points in js - events
"Avnet Embedded Weekly" Issue 276: 2022.07.25--2022.07.31
如何选择合适的损失函数,请看......
技术干货|如何将 Pulsar 数据快速且无缝接入 Apache Doris
神经网络,凉了?