当前位置: 首页 > article >正文

【Leetcode】3159. 查询数组中元素的出现位置

文章目录

  • 题目
  • 思路
  • 代码
  • 复杂度分析
    • 时间复杂度
    • 空间复杂度
  • 结果
  • 总结

题目

题目链接🔗
给你一个整数数组 nums ,一个整数数组 queries 和一个整数 x 。

对于每个查询 q u e r i e s [ i ] queries[i] queries[i] ,你需要找到 n u m s nums nums 中第 q u e r i e s [ i ] queries[i] queries[i] x x x 的位置,并返回它的下标。如果数组中 x x x 的出现次数少于 q u e r i e s [ i ] queries[i] queries[i] ,该查询的答案为 − 1 -1 1

请你返回一个整数数组 a n s w e r answer answer ,包含所有查询的答案。

示例 1:

输入:nums = [1,3,1,7], queries = [1,3,2,4], x = 1

输出:[0,-1,2,-1]

解释:

第 1 个查询,第一个 1 出现在下标 0 处。 第 2 个查询,nums 中只有两个 1 ,所以答案为 -1 。 第 3 个查询,第二个
1 出现在下标 2 处。 第 4 个查询,nums 中只有两个 1 ,所以答案为 -1 。

示例 2:

输入:nums = [1,2,3], queries = [10], x = 5

输出:[-1]

解释:

第 1 个查询,nums 中没有 5 ,所以答案为 -1 。

提示:

  1. 1 ≤ n u m s . l e n g t h , q u e r i e s . l e n g t h ≤ 1 0 5 1 \leq nums.length, queries.length \leq 10^5 1nums.length,queries.length105
  2. 1 ≤ q u e r i e s [ i ] ≤ 1 0 5 1 \leq queries[i] \leq 10^5 1queries[i]105
  3. 1 ≤ n u m s [ i ] , x ≤ 1 0 4 1 \leq nums[i], x \leq 10^4 1nums[i],x104

思路

  1. 处理查询之前的预处理:
    为了能快速回答每个查询,我们可以预先遍历数组 n u m s nums nums,记录所有出现 x x x 的下标。将所有这些下标存储在一个数组 a r r arr arr 中。

  2. 处理每个查询:
    对于每个查询 q u e r i e s [ i ] queries[i] queries[i],如果 q u e r i e s [ i ] queries[i] queries[i] 大于数组 a r r arr arr 的长度,则返回 − 1 -1 1,表示没有足够的 x x x 出现。否则返回 a r r [ q u e r i e s [ i ] − 1 ] arr[queries[i] - 1] arr[queries[i]1],即第 q u e r i e s [ i ] queries[i] queries[i] x x x 的下标。

代码

class Solution {
public:
    vector<int> occurrencesOfElement(vector<int>& nums, vector<int>& queries, int x) {
        vector<int> arr;
        vector<int> answer;
        for(int i = 0; i < nums.size(); ++i)
        {
            if(nums[i] == x)
            {
                arr.push_back(i);
            }
        }
        for(int i = 0; i < queries.size(); ++i)
        {
            if(queries[i] > arr.size())answer.push_back(-1);
            else answer.push_back(arr[queries[i]-1]);
            
        }
        return answer;
    }
};

复杂度分析

时间复杂度

  1. 预处理部分:
    我们遍历 n u m s nums nums 一次,寻找所有出现 x x x 的位置,时间复杂度为 O ( n ) O(n) O(n),其中 n n n 是数组 n u m s nums nums 的长度。

  2. 查询部分:
    对于每个查询,我们访问 a r r arr arr 数组,查找第 q u e r i e s [ i ] queries[i] queries[i] x x x 的下标,这个操作的时间复杂度为 O ( 1 ) O(1) O(1)。因此,处理所有查询的时间复杂度是 O ( q ) O(q) O(q),其中 q q q 是查询数组 q u e r i e s queries queries 的长度。

总时间复杂度为 O ( n + q ) O(n + q) O(n+q),其中 n n n n u m s nums nums 数组的长度, q q q 是查询数组 q u e r i e s queries queries 的长度。

空间复杂度

额外使用了一个数组 a r r arr arr 来存储 x x x 的所有下标,空间复杂度是 O ( n ) O(n) O(n),其中 n n n n u m s nums nums 数组的长度。

结果

在这里插入图片描述

总结

通过预处理来加速查询,先遍历一遍 n u m s nums nums 数组,找出所有 x x x 出现的位置,然后对每个查询进行常数时间的处理


http://www.kler.cn/a/454804.html

相关文章:

  • 顶会评测集解读-AlignBench: 大语言模型中文对齐基准
  • 什么是Top-p采样与Top-k采样?大模型推理时如何同时设置?解析Transformers库源代码
  • 智能合约在Web3中的作用:去中心化应用的基石
  • 探寻 OneCode 核心优势:MVVM 进阶与前后端协同之魅
  • HTML5 开发工具与调试
  • Kubernetes 的资源管理方式
  • 【Java 代码审计入门-02】SQL 漏洞原理与实际案例介绍
  • 负载均衡式在线OJ系统测试报告(Jmeter性能测试、Selenium自动化测试脚本)
  • 嵌入式单片机模数转换控制与实现详解
  • JS 设置按钮的loading效果
  • 开源 SOAP over UDP
  • OpenCV相机标定与3D重建(35)计算两幅图像之间本质矩阵(Essential Matrix)的函数findEssentialMat()的使用
  • Django框架:构建高效Web应用的强大工具
  • Bash语言的语法
  • CSS(四)display和float
  • 寻找目标值 (最优解)
  • Vue 3 中父子组件的交互与弹框控制:v-model 和事件传递的实践
  • FreeType矢量字符库的介绍、交叉编译以及安装
  • T7 TensorFlow入门实战——咖啡豆识别
  • Lua语言入门 - Lua常量