给定一个整数数组和一个整数 k,判断数组中是否存在两个不同的索引 i 和 j,使得 nums [i] = nums [j],并且 i 和 j 的差的 绝对值 至多为 k。
示例 1: 输入: nums = [1,2,3,1], k = 3 输出: true
示例 2: 输入: nums = [1,0,1,1], k = 1 输出: true
示例 3: 输入: nums = [1,2,3,1,2,3], k = 2 输出: false
将每个元素与它之前的 k 个元素中比较查看它们是否相等。 这个算法维护了一个 k 大小的滑动窗口,然后在这个窗口里面搜索是否存在跟当前元素相等的元素。
class Solution(object):
def containsNearbyDuplicate(self, nums, k):
"""
:type nums: List[int]
:type k: int
:rtype: bool
"""
n=len(nums)
for i in range(0,n):
for j in range(i+1,i+k+1 if i+k+1<=n else n):
if(nums[i]==nums[j]):
return True
return False
复杂度分析
1、时间复杂度:O(n*min(k,n)) 每次搜索都要花费 O(min(k,n)) 的时间,哪怕k比n大,一次搜索中也只需比较 n次。
2、空间复杂度:O(1)
用散列表来维护这个k大小的滑动窗口。 我们需要一个支持在常量时间内完成 搜索,删除,插入 操作的数据结构,那就是散列表。 遍历数组,对于每个元素做以下操作: 在散列表中搜索当前元素,如果找到了就返回 true。 在散列表中插入当前元素。 如果当前散列表的大小超过了 k, 删除散列表中最旧的元素。 返回 false。
class Solution {
public boolean containsNearbyDuplicate(int[] nums, int k) {
int n=nums.length;
Set set=new HashSet();
for(int i=0;i<n;i++){
if(set.contains(nums[i])){
return true;
}
set.add(nums[i]);
if(set.size()>k){
set.remove(nums[i-k]);
}
}
return false;
}
}
复杂度分析
1、时间复杂度:O(n)
我们会做 n 次 搜索
,删除
,插入
操作,每次操作都耗费常数时间。
2、空间复杂度:O(min(n,k))
开辟的额外空间取决于散列表中存储的元素的个数,也就是滑动窗口的大小 O(min(n,k))。