给你一个整数数组 nums 和两个整数 k 和 t 。请你判断是否存在 两个不同下标 i 和 j,使得 abs(nums[i] - nums[j]) <= t ,同时又满足 abs(i - j) <= k 。 如果存在则返回 true,不存在返回 false。
示例 1:
输入:nums = [1,2,3,1], k = 3, t = 0
输出:true
示例 2:
输入:nums = [1,0,1,1], k = 1, t = 2
输出:true
示例 3:
输入:nums = [1,5,9,1,5,9], k = 2, t = 3
输出:false
我们也可以使用利用桶排序的思想解决本题。我们按照元素的大小进行分桶,维护一个滑动窗口内的元素对应的元素。
对于元素 x,其影响的区间为 [x−t,x+t]。于是我们可以设定桶的大小为 t+1。如果两个元素同属一个桶,那么这两个元素必然符合条件。如果两个元素属于相邻桶,那么我们需要校验这两个元素是否差值不超过 t。如果两个元素既不属于同一个桶,也不属于相邻桶,那么这两个元素必然不符合条件。
具体地,我们遍历该序列,假设当前遍历到元素 x,那么我们首先检查 x 所属于的桶是否已经存在元素,如果存在,那么我们就找到了一对符合条件的元素,否则我们继续检查两个相邻的桶内是否存在符合条件的元素。
实现方面,我们将 int 范围内的每一个整数 x 表示为 x=(t+1)×a+b(0≤b≤t) 的形式,这样 x 即归属于编号为 a 的桶。因为一个桶内至多只会有一个元素,所以我们使用哈希表实现即可。
为什么 size 需要对 t 进行 +1 操作? 目的是为了确保差值小于等于 t 的数能够落到一个桶中。
举个 🌰,假设 [0,1,2,3],t = 3,显然四个数都应该落在同一个桶。
如果不对 t 进行 +1 操作的话,那么 [0,1,2] 和 [3] 会被落到不同的桶中,那么为了解决这种错误,我们需要对 t 进行 +1 作为 size 。
这样我们的数轴就能被分割成:
0 1 2 3 | 4 5 6 7 | 8 9 10 11 | 12 13 14 15 | …
总结一下,令 size = t + 1 的本质是因为差值为 t 两个数在数轴上相隔距离为 t + 1,它们需要被落到同一个桶中。
当明确了 size 的大小之后,对于正数部分我们则有 idx = nums[i] / size。
由于我们处理正数的时候,处理了数值 0,因此我们负数部分是从 -1 开始的。
还是我们上述 🌰,此时我们有 t = 3 和 size = t + 1 = 4。
考虑 [-4,-3,-2,-1] 的情况,它们应该落在一个桶中。
如果直接复用 idx = nums[i] / size 的话,[-4] 和 [-3,-2,-1] 会被分到不同的桶中。
根本原因是我们处理整数的时候,已经分掉了数值 0。
这时候我们需要先对 nums[i] 进行 +1 操作(即将负数部分在数轴上进行整体右移),即得到 (nums[i] + 1) / size。
这样一来负数部分与正数部分一样,可以被正常分割了。
但由于 0 号桶已经被使用了,我们还需要在此基础上进行 -1,相当于将负数部分的桶下标(idx)往左移,即得到 ((nums[i] + 1) / size) - 1。
public class Solution2 {
//k:下标差值
//t:val差值
public boolean containsNearbyAlmostDuplicate(int[] nums, int k, int t) {
int n = nums.length;
Map<Long, Long> map = new HashMap<Long, Long>();
//桶的大小为t+1
long w = (long) t + 1;
for (int i = 0; i < n; i++) {
long id = getID(nums[i], w);
//我们首先检查 x 所属于的桶是否已经存在元素,如果存在,那么我们就找到了一对符合条件的元素
if (map.containsKey(id)) {
return true;
}
//检查左侧相邻的桶内是否存在符合条件的元素
if (map.containsKey(id - 1) && Math.abs(nums[i] - map.get(id - 1)) < w) {
return true;
}
//检查右侧相邻的桶内是否存在符合条件的元素
if (map.containsKey(id + 1) && Math.abs(nums[i] - map.get(id + 1)) < w) {
return true;
}
//建立目标桶
map.put(id, (long) nums[i]);
//删除下标范围不在 [max(0,i−k),i) 内的桶
if (i >= k) {
map.remove(getID(nums[i - k], w));
}
}
return false;
}
//我们将int范围内的每一个整数x表示为x=(t+1)×a+b(0≤b≤t) 的形式,这样x即归属于编号为a的桶。a=(x-b)/(t+1)
//因为一个桶内至多只会有一个元素,所以我们使用哈希表实现即可。
public long getID(long x, long w) {
if (x >= 0) {
return x / w;
}
return (x + 1) / w - 1;
}
public static void main(String[] args) {
//int[] nums={1,5,9,1,5,9};
int[] nums={-2147483648,2147483647};
Solution2 solution=new Solution2();
System.out.println(solution.containsNearbyAlmostDuplicate(nums,1,1));
}
}
时间复杂度:O(n),其中 n 是给定数组的长度。每个元素至多被插入哈希表和从哈希表中删除一次,每次操作的时间复杂度均为O(1)。
空间复杂度:O(min(n,k)),其中 n 是给定数组的长度。哈希表中至多包含min(n,k+1) 个元素。