• LeetCode 33. 搜索旋转排序数组


    33. 搜索旋转排序数组

    题目:整数数组 nums 按升序排列,数组中的值 互不相同 。
    在传递给函数之前,nums 在预先未知的某个下标 k(0 <= k < nums.length)上进行了 旋转,使数组变为 [nums[k], nums[k+1], …, nums[n-1], nums[0], nums[1], …, nums[k-1]](下标 从 0 开始 计数)。例如, [0,1,2,4,5,6,7] 在下标 3 处经旋转后可能变为 [4,5,6,7,0,1,2] 。
    给你 旋转后 的数组 nums 和一个整数 target ,如果 nums 中存在这个目标值 target ,则返回它的下标,否则返回 -1 。
    你必须设计一个时间复杂度为 O(log n) 的算法解决此问题。
    链接 https://leetcode.cn/problems/search-in-rotated-sorted-array/

    个人思路

    1. 二分法
      设置left=0,right = len(nums)-1,mid为中点,则左右两边必然有一边是有序数组,而目标也会在有序数组或者非有序数组,分类讨论即可,刚开始分类不准确,写成了下面
    class Solution:
        def search(self, nums: List[int], target: int) -> int:
            left = 0
            right = len(nums)-1
            while left <= right:
                mid = left + (right - left) // 2  
                if nums[mid] == target:
                    return mid
                # 右边有序且值在右边  # nums[mid] < nums[right] and 
                elif nums[mid] < target and nums[right] >= target:
                    left = mid + 1
                # 右边有序且值在左边
                elif nums[mid] <= nums[right] and nums[mid] > target:
                    right = mid - 1
                # 左边有序且值在左边
                elif nums[mid] > target and nums[left] <= target:
                    right = mid - 1
                # 左边有序且值在右边
                elif nums[mid] >= nums[left] and nums[right] >= target:
                    left = mid + 1
                # 都不在就返回-1
                else:
                    return -1
            return -1
    
    • 1
    • 2
    • 3
    • 4
    • 5
    • 6
    • 7
    • 8
    • 9
    • 10
    • 11
    • 12
    • 13
    • 14
    • 15
    • 16
    • 17
    • 18
    • 19
    • 20
    • 21
    • 22
    • 23
    • 24

    结果在用例[5,1,3],5时候返回-1

    1. 然后修改了好几次,改成了下面,终于通过 了,关键点是是否需要取等号。因为mid有可能与left或者right重合,所以需要取等
    class Solution:
        def search(self, nums: List[int], target: int) -> int:
            left = 0
            right = len(nums)-1
            while left <= right:
                mid = left + (right - left) // 2
                if nums[mid] == target:
                    return mid
                # 右边有序且值在右边  # nums[mid] < nums[right] and 
                elif nums[mid] <= nums[right] and nums[mid] < target and nums[right] >= target:
                    left = mid + 1
                # 右边有序且值在左边
                elif nums[mid] <= nums[right] and (nums[mid] > target or nums[left] <= target):
                    right = mid - 1
                # 左边有序且值在左边
                elif nums[mid] >= nums[left] and nums[mid] > target and nums[left] <= target:
                    right = mid - 1
                # 左边有序且值在右边
                elif nums[mid] >= nums[left] and (nums[mid] < target or nums[right] >= target):
                    left = mid + 1
                # 都不在就返回-1
                else:
                    return -1
            return -1
    
    • 1
    • 2
    • 3
    • 4
    • 5
    • 6
    • 7
    • 8
    • 9
    • 10
    • 11
    • 12
    • 13
    • 14
    • 15
    • 16
    • 17
    • 18
    • 19
    • 20
    • 21
    • 22
    • 23
    • 24

    个人感觉也可以将left和right单独拿出来判断,这样不用过于纠结等号还有当left和right差距过小的情况。

    官方思路

    1. 也是二分法,下面为其的写法
    class Solution:
        def search(self, nums: List[int], target: int) -> int:
            if not nums:
                return -1
            l, r = 0, len(nums) - 1
            while l <= r:
                mid = (l + r) // 2
                if nums[mid] == target:
                    return mid
                if nums[0] <= nums[mid]:
                    if nums[0] <= target < nums[mid]:
                        r = mid - 1
                    else:
                        l = mid + 1
                else:
                    if nums[mid] < target <= nums[len(nums) - 1]:
                        l = mid + 1
                    else:
                        r = mid - 1
            return -1
    
    • 1
    • 2
    • 3
    • 4
    • 5
    • 6
    • 7
    • 8
    • 9
    • 10
    • 11
    • 12
    • 13
    • 14
    • 15
    • 16
    • 17
    • 18
    • 19
    • 20

    复杂度分析
    时间复杂度: O(logn),其中 n 为 nums 数组的大小。整个算法时间复杂度即为二分查找的时间复杂度 O(logn)。
    空间复杂度: O(1) 。我们只需要常数级别的空间存放变量。

    参考:
    作者:LeetCode-Solution
    链接:https://leetcode.cn/problems/search-in-rotated-sorted-array/solution/sou-suo-xuan-zhuan-pai-xu-shu-zu-by-leetcode-solut/

  • 相关阅读:
    H3C交换机环路保护
    pnpm的安装与使用
    论文阅读【8】Conditional Random Fields: An Introduction
    总结网络中的一些基本概念——javaee
    程序员的护城河
    更换Mac硬盘后如何将数据恢复到新驱动器?
    【编程技巧】用size_t定义数量有什么好处
    算法刷题:P1908 逆序对
    AERMOD模型在大气环境影响评价中的应用
    传输层协议--UDP
  • 原文地址:https://blog.csdn.net/weixin_48127034/article/details/126462298