面试题 17.04. 消失的数字 - 力扣（LeetCode）
思路1：
先排序，再依次比较后一个是否比前一个大1
时间复杂度：O(nlogn)
思路2：
求和0-n，再依次减去数组中的值，剩下的那个值就是消失的数字
时间复杂度：O(n)
缺点：N太大时会存在溢出风险
思路3：最佳
异或：相同的值异或后==0
cpp
int missingNumber(int* nums, int numsSize) {
//采用异或的方法
int sum=0;//采用0的原因，异或是相同为0，不同为1，任意数与0异或都是任意数
for(int i = 0; i < numsSize; i++)
{
sum ^= nums[i];
}
for(int i = 0; i <= numsSize ; i++)
{
sum ^= i;
}
return sum;
}总结
本文通过 消失的数字 这道经典题目，深入分析了不同解法的时间复杂度：
| 思路 | 方法 | 时间复杂度 | 空间复杂度 | 优缺点 |
|---|---|---|---|---|
| 思路1 | 排序 + 遍历 | O(n log n) | O(1) | 简单直观，但效率较低 |
| 思路2 | 求和相减 | O(n) | O(1) | 线性时间，但存在溢出风险 |
| 思路3 | 异或运算 | O(n) | O(1) | 最优解，无溢出，效率高 |
可以看出，同一个问题，不同的算法设计会带来完全不同的效率表现。掌握复杂度分析，能帮助我们在实际开发中选择最合适的解法。
核心收获：
-
✅ 时间复杂度不是算具体时间，而是看操作次数随数据规模的增长趋势
-
✅ 大O渐进表示法关注量级而非细节
-
✅ 异或运算（^）是一个非常有用的位运算技巧：a ^ a = 0，a ^ 0 = a
下期预告
下一期我们将继续 【数据结构系列02】，一起来看另一道经典题目：
【旋转数组】：如何用 O(1) 的额外空间实现数组的右移？
如果你对时间复杂度还有疑问，欢迎在评论区留言讨论！如果觉得有帮助，别忘了点赞 + 收藏 + 关注，我们下期见！🚀
💡 小贴士：复杂度分析是数据结构的基石，建议你自己动手把上面三种思路的代码都跑一遍，感受一下不同算法的差异！
