文章目录
题目描述
示例 1：
输入： nums = [12,21,45,33,54]
输出： 1
解释：
镜像对为：
(0, 1)，因为 reverse(nums[0]) = reverse(12) = 21 = nums[1]，绝对距离为 abs(0 - 1) = 1。
(2, 4)，因为 reverse(nums[2]) = reverse(45) = 54 = nums[4]，绝对距离为 abs(2 - 4) = 2。
所有镜像对中的最小绝对距离是 1。
示例 2：输入： nums = [120,21]
输出： 1
解释：
只有一个镜像对 (0, 1)，因为 reverse(nums[0]) = reverse(120) = 21 = nums[1]。
最小绝对距离是 1。
示例 3：输入： nums = [21,120]
输出： -1
解释：
数组中不存在镜像对。
提示：1 <= nums.length <= 105
1 <= nums[i] <= 109
思路简述
在初次尝试解决这道题时，我的第一反应是利用哈希表记录数组中元素的下标，遍历数组时在哈希表中查找对应的镜像数，进而计算距离。但很快发现，这种方法在处理数组中存在重复元素的情况时，无法保证计算出的距离是最小的，因此需要转换思路。
我们可以设计这样一个哈希表：键（Key）是某个数镜像反转后的值，值（Value）是该镜像数在原数组中对应的下标 。换句话说，如果 hash[v] = j，就意味着在下标 j 的位置，存在一个数 nums[j]，其反转后的值恰好等于 v。
由于我们是从左到右遍历数组的，哈希表中存储的下标一定是距离当前位置最近的（因为哈希表的键是唯一的，后续更近的下标会覆盖之前较远的下标）。
基于这个设计，遍历过程中会出现两种情况：
-
当我们遍历到当前数
nums[i]时，如果它存在于哈希表中，说明在之前的位置中，有一个数的镜像值正好等于当前数，且那个数的下标就是hash[nums[i]]。此时，我们直接计算这两个下标之间的绝对距离abs(hash[nums[i]] - i)，并尝试更新最小距离。 -
无论当前数是否在哈希表中，我们都需要将当前数的镜像值及其下标
i存入哈希表。这一步正是保证我们能获取最小距离的关键：如果哈希表中之前没有这个镜像值，那么这次存入是第一次记录；如果之前已经有了，那么用当前更近的下标i覆盖之前的下标，这样后续遇到匹配的数时，计算出的距离一定是更小的。
这个思路虽然在设计和对哈希表的理解上稍稍绕一点，但是巧妙地解决了最棘手的重复元素问题和最小距离的保证问题。
至于如何实现求整数镜像值的函数，有很多种实现方式，我用的是通过模运算（%）取最后一位，再通过除法（/）去掉最后一位，逐步构建出反转后的数。
代码实现
cpp
class Solution {
public:
// 函数功能：将整数 x 的数字反转，忽略前导零
// 例如：rev(120) -> 21，rev(12) -> 21
int rev(int x)
{
int y = 0; // 用于存储反转后的结果
while (x > 0)
{
y = y * 10 + x % 10; // 取出 x 的最后一位，加到 y 的末尾
x /= 10; // 去掉 x 的最后一位
}
return y;
}
int minMirrorPairDistance(vector<int>& nums)
{
unordered_map<int,int> hash; // 哈希表：键是镜像后的值，值是原数的下标
int ret = INT_MAX; // 初始化最小距离为最大整数，表示尚未找到任何镜像对
for(int i = 0; i < nums.size(); i++)
{
int x = nums[i];
// 情况1：如果当前数 x 存在于哈希表中，说明前面有它的镜像数
if(hash.count(x))
{
// 计算当前下标与哈希表中存储的下标的距离，并更新最小距离
ret = min(ret, abs(hash[x] - i));
}
// 情况2：无论是否找到镜像对，都将当前数的镜像值和下标存入哈希表
// 这样可以保证后续遇到匹配的数时，拿到的是最近的下标
hash[rev(x)] = i;
}
// 如果 ret 仍然是初始值，说明没有找到镜像对，返回 -1；否则返回最小距离
return ret == INT_MAX ? -1 : ret;
}
};复杂度分析
时间复杂度 ： O ( n ) O(n) O(n)，其中 n n n 为数组长度。
我们仅需对数组进行一次遍历，遍历过程中哈希表的查询、插入操作均为 O ( 1 ) O(1) O(1) 平均时间复杂度；数字反转函数的执行次数与数字位数成正比，属于常数级操作，因此整体时间复杂度为线性，完全适配 10 5 10^5 105 的数据规模。
空间复杂度 ： O ( n ) O(n) O(n)。
最坏情况下数组中所有元素的反转值均不重复，哈希表需要存储 n n n 个键值对，因此空间复杂度为 O ( n ) O(n) O(n)。
踩坑记录
- 一定要明确哈希表的键值含义：一定要弄明白哈希表中键和值各自代表的是什么------键是"镜像后的值"，值是"原数的下标"。如果在这一点上混淆了，很容易在后续的查找和更新操作中出错，导致逻辑混乱。
- 注意最小距离变量的初始化 ：在初始化用于记录最小距离的变量
ret时，要将其设置为一个足够大的值（例如INT_MAX），这样在第一次找到有效距离时，才能正确地将其更新为第一个候选值。如果初始值过小，可能会导致后续无法正确更新。
如果这篇内容帮你理清了哈希表的设计逻辑，避开了我踩过的坑，麻烦大家动动小手点个赞，也可以把文章收藏起来，不管是后续刷题复盘、还是面试前回顾，都能随时翻出来看。
想要跟着刷更多 LeetCode 每日一题、解锁更多算法解题技巧的小伙伴，一定要关注我呀！后续会持续更新超详细的题解、算法思路和避坑指南，陪你一起刷穿题库，稳稳拿下算法关～
