leetcode-88.合并两个有序数组(易理解)

双指针

为了合并两个已排序的数组 nums1nums2,并将结果存储在 nums1 中,我们可以采用双指针的方式从后向前进行合并。这种方法的好处是可以避免在nums1中移动元素,从而提高效率。

算法步骤

  1. 初始化三个指针:

    • p1 指向 nums1 的有效部分的最后一个元素,即 m - 1
    • p2 指向 nums2 的最后一个元素,即 n - 1
    • p 指向 nums1 的最后一个位置,即 m + n - 1
  2. 从后向前遍历数组:

    • 比较 nums1[p1]nums2[p2]
      • 如果 nums1[p1] > nums2[p2],将 nums1[p1] 赋值给 nums1[p],并将 p1p 向前移动一位。
      • 否则,将 nums2[p2] 赋值给 nums1[p],并将 p2p 向前移动一位。
  3. 如果 nums2 中还有剩余元素(即 p2 >= 0),将这些元素复制到 nums1 的前面。

代码实现

java 复制代码
class Solution {
    public void merge(int[] nums1, int m, int[] nums2, int n) {
        // corner case
        // core
        int p1 = m - 1, p2 = n - 1, p = m + n - 1;
        while (p1 >= 0 && p2 >= 0) {
            if (nums1[p1] > nums2[p2]) {
                nums1[p--] = nums1[p1--];
            } else {
                nums1[p--] = nums2[p2--];
            }
        }
        while (p2 >= 0) {
            nums1[p--] = nums2[p2--];
        }
    }
}
python 复制代码
def merge(nums1, m, nums2, n):
    # 设置指针
    p1, p2, p = m - 1, n - 1, m + n - 1
    
    # 从后向前合并
    while p1 >= 0 and p2 >= 0:
        if nums1[p1] > nums2[p2]:
            nums1[p] = nums1[p1]
            p1 -= 1
        else:
            nums1[p] = nums2[p2]
            p2 -= 1
        p -= 1
    
    # 如果 nums2 还有剩余元素,直接复制到 nums1
    # 如果 nums1 还有剩余元素,不需要处理,因为它们已经在正确的位置
    nums1[:p2 + 1] = nums2[:p2 + 1]

# 示例用法
nums1 = [1, 2, 3, 0, 0, 0]
m = 3
nums2 = [2, 5, 6]
n = 3
merge(nums1, m, nums2, n)
print(nums1)  # 输出: [1, 2, 2, 3, 5, 6]

复杂度分析

  • 时间复杂度 :O(m + n),因为我们最多需要遍历 nums1nums2 各一次。
  • 空间复杂度 :O(1),因为我们是直接在 nums1 上进行修改,没有使用额外的空间。
相关推荐
前端炒粉3 小时前
35.LRU 缓存
开发语言·javascript·数据结构·算法·缓存·js
断剑zou天涯5 小时前
【算法笔记】窗口内最大值或最小值的更新结构
java·笔记·算法
smj2302_796826525 小时前
解决leetcode第3753题范围内总波动值II
python·算法·leetcode
骑着猪去兜风.7 小时前
线段树(二)
数据结构·算法
fengfuyao9858 小时前
竞争性自适应重加权算法(CARS)的MATLAB实现
算法
散峰而望8 小时前
C++数组(二)(算法竞赛)
开发语言·c++·算法·github
leoufung8 小时前
LeetCode 92 反转链表 II 全流程详解
算法·leetcode·链表
wyhwust9 小时前
交换排序法&冒泡排序法& 选择排序法&插入排序的算法步骤
数据结构·算法·排序算法
利刃大大9 小时前
【动态规划:背包问题】完全平方数
c++·算法·动态规划·背包问题·完全背包