目录

• 350_两个数组的交集Ⅱ
  • 描述
  • 方法一：映射
    • Java 实现
    • Python 实现
    • 类似的 Python 实现
  • 方法二：双指针
    • Java 实现
    • Python 实现

350_两个数组的交集Ⅱ

描述

给定两个数组，编写一个函数来计算它们的交集。

示例 1:

输入: nums1 = [1,2,2,1], nums2 = [2,2]
输出: [2,2]

示例 2:

输入: nums1 = [4,9,5], nums2 = [9,4,9,8,4]
输出: [4,9]

说明：

• 输出结果中每个元素出现的次数，应与元素在两个数组中出现的次数一致。
• 我们可以不考虑输出结果的顺序。

进阶:

• 如果给定的数组已经排好序呢？你将如何优化你的算法？
• 如果 nums1 的大小比 nums2 小很多，哪种方法更优？
• 如果 nums2 的元素存储在磁盘上，磁盘内存是有限的，并且你不能一次加载所有的元素到内存中，你该怎么办？

方法一：映射

Java 实现

import java.util.Map;
import java.util.HashMap;
import java.util.List;
import java.util.ArrayList;

class Solution {
    public int[] intersect(int[] nums1, int[] nums2) {
        if (nums1.length <= 0 || nums2.length <= 0) {
            return new int[] {};
        }

        Map<Integer, Integer> map = new HashMap<>();
        for (int num : nums1) {
            if (map.containsKey(num)) {
                map.replace(num, map.get(num) + 1);
            } else {
                map.put(num, 1);
            }
        }

        List<Integer> list = new ArrayList<>();
        for (int num : nums2) {
            if (map.containsKey(num) && map.get(num) > 0) {
                list.add(num);
                map.replace(num, map.get(num) - 1);
            }
        }

        int[] ret = new int[list.size()];
        for (int i = 0; i < list.size(); ++i) {
            ret[i] = list.get(i);
        }
        return ret;
    }
}
// Runtime: 6 ms
// Your runtime beats 34.15 % of java submissions.

复杂度分析：

• 时间复杂度：\(O(n)\)
• 空间复杂度：\(O(n)\)

Python 实现

class Solution:
    def intersect(self, nums1, nums2):
        """
        :type nums1: List[int]
        :type nums2: List[int]
        :rtype: List[int]
        """
        if len(nums1) == 0 or len(nums2) == 0:
            return []

        d = dict()
        for num in nums1:
            d[num] = d.get(num, 0) + 1

        ret = list()
        for num in nums2:
            if num in d and d[num] > 0:
                ret.append(num)
                d[num] -= 1

        return ret

# Runtime: 36 ms
# Your runtime beats 100.00 % of python3 submissions.

复杂度分析同上。

类似的 Python 实现

from collections import Counter

class Solution:
    def intersect(self, nums1, nums2):
        """
        :type nums1: List[int]
        :type nums2: List[int]
        :rtype: List[int]
        """
        counts = Counter(nums1)

        ret = list()
        for num in nums2:
            if counts[num] > 0:
                ret.append(num)
                counts[num] -= 1

        return ret
    
# Runtime: 36 ms
# Your runtime beats 100.00 % of python3 submissions.

复杂度分析同上。

方法二：双指针

Java 实现

class Solution {
    public int[] intersect(int[] nums1, int[] nums2) {
        Arrays.sort(nums1);
        Arrays.sort(nums2);

        int i = 0, j = 0, k = 0;
        int[] tmp = new int[nums1.length];
        while (i < nums1.length && j < nums2.length) {
            if (nums1[i] < nums2[j]) {
                ++i;
            } else if (nums1[i] > nums2[j]) {
                ++j;
            } else {
                tmp[k++] = nums1[i];
                ++i;
                ++j;
            }
        }

        int[] ret = new int[k];
        for (int m = 0; m < k; ++m) {
            ret[m] = tmp[m];
        }
        return ret;
    }
}
// Runtime: 1 ms
// Your runtime beats 100.00 % of java submissions.

复杂度分析：

• 时间复杂度：\(O(nlog(n))\)
• 空间复杂度：\(O(n)\)

Python 实现

class Solution:
    def intersect(self, nums1, nums2):
        """
        :type nums1: List[int]
        :type nums2: List[int]
        :rtype: List[int]
        """
        nums1, nums2 = sorted(nums1), sorted(nums2)
        i, j = 0, 0
        ret = list()
        while True:
            try:
                if nums1[i] < nums2[j]:
                    i += 1
                elif nums1[i] > nums2[j]:
                    j += 1
                else:
                    ret.append(nums1[i])
                    i += 1
                    j += 1
            except IndexError:
                break

        return ret
# Runtime: 40 ms
# Your runtime beats 98.91 % of python3 submissions.

复杂度分析同上。