LeetCode算法题(Go语言实现)_20

题目

给你两个下标从 0 开始的整数数组 nums1 和 nums2 ，请你返回一个长度为 2 的列表 answer ，其中：

answer[0] 是 nums1 中所有不存在于 nums2 中的不同整数组成的列表。

answer[1] 是 nums2 中所有不存在于 nums1 中的不同整数组成的列表。

注意：列表中的整数可以按任意顺序返回。

一、代码实现

go 复制代码

func findDifference(nums1 []int, nums2 []int) [][]int {
    // 构建集合去重
    set1 := make(map[int]bool)
    for _, num := range nums1 {
        set1[num] = true
    }
    set2 := make(map[int]bool)
    for _, num := range nums2 {
        set2[num] = true
    }

    // 找nums1独有的元素
    diff1 := []int{}
    for num := range set1 {
        if !set2[num] {
            diff1 = append(diff1, num)
        }
    }

    // 找nums2独有的元素
    diff2 := []int{}
    for num := range set2 {
        if !set1[num] {
            diff2 = append(diff2, num)
        }
    }

    return [][]int{diff1, diff2}
}

二、算法分析

核心思路
- 集合去重：通过哈希表自动过滤重复元素
- 差集运算：利用集合特性快速判断元素存在性，时间复杂度从暴力法的 O(n²) 优化为 O(n)
关键步骤
- 集合构建：遍历两个数组，将元素存入哈希表实现去重（时间复杂度 O(n+m)）
- 差集计算：分别遍历两个集合，筛选出对方集合中不存在的元素
- 结果收集：将筛选结果存入最终列表，顺序无关
复杂度

指标值说明

时间复杂度 O(n + m) 两次遍历数组 + 两次遍历集合

空间复杂度 O(n + m) 存储两个哈希表

指标	值	说明
时间复杂度	O(n + m)	两次遍历数组 + 两次遍历集合
空间复杂度	O(n + m)	存储两个哈希表

三、图解示例

四、边界条件与扩展

特殊场景处理

• 全重叠数组 ：nums1 = [1,1], nums2 = [1] → 返回 [[], []]

• 空数组输入 ：若 nums1 为空，则 answer[0] 为空列表

• 大数据量：哈希表法可处理 1e5 级别数据量

多语言实现对比

python 复制代码

# Python实现（集合差集）
def findDifference(nums1, nums2):
    set1, set2 = set(nums1), set(nums2)
    return [list(set1 - set2), list(set2 - set1)]

java 复制代码

// Java实现（流式处理）
public List<List<Integer>> findDifference(int[] nums1, int[] nums2) {
    Set<Integer> set1 = Arrays.stream(nums1).boxed().collect(Collectors.toSet());
    Set<Integer> set2 = Arrays.stream(nums2).boxed().collect(Collectors.toSet());
    return Arrays.asList(
        set1.stream().filter(n -> !set2.contains(n)).collect(Collectors.toList()),
        set2.stream().filter(n -> !set1.contains(n)).collect(Collectors.toList())
    );
}

算法对比

方法	时间复杂度	空间复杂度	适用场景
集合差集法	O(n + m)	O(n + m)	大数据量、需高效处理
暴力遍历法	O(nm)	O(1)	教学演示
排序+双指针	O(n log n + m log m)	O(1)	内存受限场景

五、总结与扩展

数学本质：集合运算的差集操作（A - B 和 B - A）
工程优化：哈希表去重与存在性检查的 O(1) 时间复杂度优势
扩展应用 ：
1. 多数组对比：扩展至 N 个数组的差异分析
2. 流式处理：使用布隆过滤器处理超大数据流
3. 数据同步：识别数据库表之间的差异记录