经典位运算算法模板-附LeetCode剑指 Offer 56 - I. 数组中数字出现的次数-题解-python && C++源代码

简介: 经典位运算算法模板-附LeetCode剑指 Offer 56 - I. 数组中数字出现的次数-题解-python && C++源代码

剑指 Offer 56 - I. 数组中数字出现的次数


难度中等630收藏分享切换为英文接收动态反馈


一个整型数组 nums 里除两个数字之外,其他数字都出现了两次。请写程序找出这两个只出现一次的数字。要求时间复杂度是O(n),空间复杂度是O(1)。


示例 1:


输入:nums = [4,1,4,6]

输出:[1,6] 或 [6,1]

示例 2:


输入:nums = [1,2,10,4,1,4,3,3]

输出:[2,10] 或 [10,2]

限制:


2 <= nums.length <= 10000

通过次数153,689提交次数221,806


解题思路:

相同的数字异或为0,不同的数字异或为1,0异或任何数字为数字自身,本着这个原则,我们可以进行这道题的学习,


第一步:我们将整个数组的数都与0进行异或,我们就可以得到两个不同的数字,设为a , b,即a和b异或的值。


第二步:因为相同的数字异或为0,不同的数字异或为1,因此我们找到a和b异或值中第一个为1的位置m

第三步:我们将m与全数组的值进行与,构建两个子数组这样可以将两个不同的值a和b分在不同的数组,且相同的值与

m与的值一定相同,我们把他分在相同的组,将两个组的值进行异或,即可得到a和b的值。


Python代码:

class Solution:
    def singleNumbers(self, nums: List[int]) -> List[int]:
        a , m , x , y= 0 , 1 , 0 , 0  #相同的数字异或为0,0异或任何数字为数字自身
        for i in nums:a = a^i #数组全部异或,求出只出现两个数字的异或值
        while a&m==0 : m<<=1  #判断第一次出现1的地方
        for i in nums:#遍历数组
            if i&m: x ^= i#根据跟与m的情况,可以将 两个不同的值分到两个不同的组进行异或
            else: y ^= i#相同的值跟m与的情况一定是相同的,因此可以将相同的值分到同一组,不同的值分到不同的组
        return [x, y]

C++代码:

class Solution {
public:
    vector<int> singleNumbers(vector<int>& nums) {
        int a=0 , m=1 , x=0 , y=0;
        for(auto &i: nums) a ^= i;//遍历异或
        while ((a&m)==0) m <<= 1; //寻找第一个为1的地方m
        for(auto &j: nums){       
            if (j&m) x^=j;  //将数组分为两个子数组分别进行异或
            else y^=j;
        }
        return {x , y};
    }
};
相关文章
|
3月前
|
搜索推荐 编译器 C语言
【C++核心】特殊的元素集合-数组与字符串详解
这篇文章详细讲解了C++中数组和字符串的基本概念、操作和应用,包括一维数组、二维数组的定义和使用,以及C风格字符串和C++字符串类的对比。
87 4
|
2月前
|
机器学习/深度学习 并行计算 大数据
【Python篇】NumPy完整指南(上篇):掌握数组、矩阵与高效计算的核心技巧2
【Python篇】NumPy完整指南(上篇):掌握数组、矩阵与高效计算的核心技巧
80 10
|
2月前
|
索引 Python
【Python篇】NumPy完整指南(上篇):掌握数组、矩阵与高效计算的核心技巧1
【Python篇】NumPy完整指南(上篇):掌握数组、矩阵与高效计算的核心技巧
93 4
|
3月前
|
C++
C++(十一)对象数组
本文介绍了C++中对象数组的使用方法及其注意事项。通过示例展示了如何定义和初始化对象数组,并解释了栈对象数组与堆对象数组在初始化时的区别。重点强调了构造器设计时应考虑无参构造器的重要性,以及在需要进一步初始化的情况下采用二段式初始化策略的应用场景。
|
4月前
|
存储 数据处理 索引
如何删除 Python 数组中的值?
【8月更文挑战第29天】
178 8
|
4月前
|
索引 Python
向 Python 数组添加值
【8月更文挑战第29天】
53 8
|
4月前
|
存储 缓存 C语言
|
2月前
|
机器学习/深度学习 算法 搜索推荐
从理论到实践,Python算法复杂度分析一站式教程,助你轻松驾驭大数据挑战!
【10月更文挑战第4天】在大数据时代,算法效率至关重要。本文从理论入手,介绍时间复杂度和空间复杂度两个核心概念,并通过冒泡排序和快速排序的Python实现详细分析其复杂度。冒泡排序的时间复杂度为O(n^2),空间复杂度为O(1);快速排序平均时间复杂度为O(n log n),空间复杂度为O(log n)。文章还介绍了算法选择、分而治之及空间换时间等优化策略,帮助你在大数据挑战中游刃有余。
63 4
|
5月前
|
机器学习/深度学习 算法 搜索推荐
从理论到实践,Python算法复杂度分析一站式教程,助你轻松驾驭大数据挑战!
【7月更文挑战第22天】在大数据领域,Python算法效率至关重要。本文深入解析时间与空间复杂度,用大O表示法衡量执行时间和存储需求。通过冒泡排序(O(n^2)时间,O(1)空间)与快速排序(平均O(n log n)时间,O(log n)空间)实例,展示Python代码实现与复杂度分析。策略包括算法适配、分治法应用及空间换取时间优化。掌握这些,可提升大数据处理能力,持续学习实践是关键。
126 1
|
6月前
|
存储 机器学习/深度学习 算法
Python算法基础教程
Python算法基础教程
34 0