【LeetCode】4. 去重的效率提升

看一道简单题

初始做法

python 复制代码
class Solution:
    def removeDuplicates(self, nums: List[int]) -> int:
        hashMap = []
        k = 0

        for i in nums:
            if i not in hashMap:
                hashMap.append(i)
                nums[k] = i
                k += 1
        
        nums[:] = nums[:k]
         
        return k

这个做法建立了一个数组用来存储重复值。

python 复制代码
if i not in hashMap

会导致多次遍历,猜测是这一段增加了内存消耗。

优化思路应该将遍历减少到最低

使用set优化

python 复制代码
class Solution:
    def removeDuplicates(self, nums: List[int]) -> int:
        seen = set()  # 用于记录已出现的元素
        k = 0  # 指向放置下一个唯一值的位置

        for i in nums:
            if i not in seen:
                seen.add(i)  # 将新元素添加到集合中
                nums[k] = i  # 将唯一值放到 nums 的前面
                k += 1

        # 保留前 k 个元素
        nums[:] = nums[:k]

        return k

注意set是基于 哈希表 实现的

set 比 list 效率高,尤其是在执行查找操作时,这是因为两者底层的实现机制不同。具体原因如下:

1. list 的实现

数据结构: list 是一种动态数组,元素按插入顺序连续存储。
查找操作:

当你执行 x in list,Python 必须从头开始遍历列表中的每个元素,逐一检查是否等于 x。

最坏情况下需要检查所有元素,时间复杂度为 O(n)。
适合的场景:

适用于需要保留元素顺序或频繁执行索引访问(listi,时间复杂度为 O(1)。

2. set 的实现

数据结构:

set 是基于 哈希表 的无序集合。

每个元素会通过哈希函数映射到一个特定的存储位置(桶)。

哈希表通过哈希值快速定位元素的位置,而无需遍历整个集合。

查找操作:

当你执行 x in set,Python 使用哈希函数计算 x 的哈希值,然后直接定位到对应的存储桶,查看是否存在。

在没有大量哈希冲突的情况下,查找的时间复杂度为 O(1)。

即使发生哈希冲突(两个不同的值映射到相同的桶),通过链表或其他冲突处理机制,效率仍然远高于线性查找。

适合的场景:

适用于频繁执行查找、插入、删除操作,且不需要关心元素顺序。

相关推荐
凌冰_4 小时前
数据结构 - 时间空间复杂度(一)
数据结构·算法·软件工程
Pniubi4 小时前
力扣2 . 两数相加
算法·leetcode·职场和发展
戴·菲瑜4 小时前
为什么PPO难以做出顶级棋类引擎
算法·博弈论·rl·ppo
在所不辞兄7 小时前
为什么数字孪生驱动的产线标定需要在线更新机制,而不能一次标定后长期沿用?
人工智能·神经网络·其他·算法·机器学习
无忧.芙桃9 小时前
C++语言原理与实践(二十三):哈希表的实现
c++·链表·哈希算法·散列表·哈希表
文丑颜不良啊11 小时前
LeetCode3401~3420题目解析
java·leetcode
AvocadoZeroOneOI11 小时前
B4500 [GESP202603 三级] 凯撒密码 详细解题报告
c++·算法
文丑颜不良啊12 小时前
LeetCode3421~3440题目解析
java·leetcode
cjz389913 小时前
双指针技巧:覆盖式双指针(原地覆盖)
算法
橘子1317 小时前
【高级数据库】关系代数基本概念
算法