LeetCode題解-二維數(shù)組查找
二維數(shù)組中的查找
在一個 n * m 的二維數(shù)組中，每一行都按照從左到右遞增的順序排序，每一列都按照從上到下遞增的順序排序。請完成一個高效的函數(shù)，輸入這樣的一個二維數(shù)組和一個整數(shù)，判斷數(shù)組中是否含有該整數(shù)。
示例:
現(xiàn)有矩陣 matrix 如下：
- [
- [1, 4, 7, 11, 15],
- [2, 5, 8, 12, 19],
- [3, 6, 9, 16, 22],
- [10, 13, 14, 17, 24],
- [18, 21, 23, 26, 30]
- ]
給定 target = 5，返回 true。
給定 target = 20，返回 false。
限制：
- 0 <= n <= 1000 0 <= m <= 1000
解法一
題目理解起來很簡單，一個二維數(shù)組，一個數(shù)字。判斷數(shù)組里面有沒有這個數(shù)字。
另外還有一個提干是每一行每一列都是數(shù)字遞增，待會再看看這個題干怎么利用起來。
如果只是一個數(shù)組里面找數(shù)字，那么很容易想到的就是直接遍歷。
- class Solution {
- public boolean findNumberIn2DArray(int[][] matrix, int target) {
- if (matrix == null || matrix.length == 0 || matrix[0].length == 0) {
- return false;
- }
- int rows = matrix.length, columns = matrix[0].length;
- for (int i = 0; i < rows; i++) {
- for (int j = 0; j < columns; j++) {
- if (matrix[i][j] == target) {
- return true;
- }
- }
- }
- return false;
- }
- }
方法消耗情況
- 執(zhí)行用時：0-1 ms
- 內(nèi)存消耗：44.3 MB
時間復(fù)雜度
由于用到了二維數(shù)組的遍歷，所以時間復(fù)雜度就是O(mn)，用到了時間復(fù)雜度的乘法計算。
空間復(fù)雜度
除了本身的數(shù)組，只用到了幾個變量，所以空間復(fù)雜度是O(1)。
解法二
接下來我們就看看怎么利用剛才說到的數(shù)字遞增題干，得出新的更簡便的解法呢?
由于每一行的數(shù)字都是按循序排列的，所以我們很容易就想到用二分法來解決，也就是遍歷每一行，然后在每一行里面進(jìn)行二分法查詢。
- class Solution {
- public boolean findNumberIn2DArray(int[][] matrix, int target) {
- for (int i = 0; i < matrix.length; i++) {
- int left = 0;
- int right = matrix[0].length-1;
- while (left<=right) {
- int middle = (left + right) / 2;
- if (target == matrix[i][middle]) {
- return true;
- }
- if (target > matrix[i][middle]) {
- left = middle + 1;
- } else {
- right = middle - 1;
- }
- }
- }
- return false;
- }
- }
方法消耗情況
- 執(zhí)行用時：0-1 ms
- 內(nèi)存消耗：44.4 MB
時間復(fù)雜度
二分法的復(fù)雜度大家應(yīng)該都知道吧，O(logn)。具體算法就是 N *(1/2)^x=1,得出來x=logn，底數(shù)為2。
所以在外面套一個循環(huán)，總的時間復(fù)雜度就為O(mlogn)，底數(shù)為2
空間復(fù)雜度
由于也沒有用到額外的跟n有關(guān)的空間，所以空間復(fù)雜度是O(1)。
解法三
但是，剛才的解法還是沒有完全用到題目的特性，這個二維數(shù)組不僅是每行進(jìn)行了排序，每列也進(jìn)行了排序。
所以，該怎么解呢?
我們可以把這個數(shù)組轉(zhuǎn)個角度看看，轉(zhuǎn)45度角：
[1, 4, 7, 11, 15], [2, 5, 8, 12, 19], [3, 6, 9, 16, 22], [10, 13, 14, 17, 24], [18, 21, 23, 26, 30]
- 15
- 11 19
- 7 12 22
- 4 8 16 24
- 1 5 9 17 30
- ...
下面就不寫了，是不是像一個二叉樹的結(jié)構(gòu)了?而且每個節(jié)點(diǎn)的左分支是一定小于這個元素的，右分支是一定大于這個元素的。
那么根據(jù)這個特點(diǎn)，我們又可以寫出一種更簡便的算法了，也就是從第一行的最后一個數(shù)字開始，依次和目標(biāo)值比較，如果目標(biāo)值大于這個節(jié)點(diǎn)數(shù)，就把節(jié)點(diǎn)往下移動，也就是行數(shù)+1。如果目標(biāo)值小于這個節(jié)點(diǎn)數(shù)，就把節(jié)點(diǎn)向左移動，也就是列數(shù)-1。
- class Solution {
- public boolean findNumberIn2DArray(int[][] matrix, int target) {
- int i = matrix.length - 1, j = 0;
- while(i >= 0 && j < matrix[0].length)
- {
- if(matrix[i][j] > target) i--;
- else if(matrix[i][j] < target) j++;
- else return true;
- }
- return false;
- }
- }
方法消耗情況
- 執(zhí)行用時：0-1 ms
- 內(nèi)存消耗：44.5 MB
時間復(fù)雜度
代碼量確實(shí)少了很多，那么時間復(fù)雜度有沒有減少呢?
可以看到，只有一個while循環(huán)，從右上角開始找，如果最壞情況就是找到左下角，也就是移動到最下面一行的第一列，那么時間復(fù)雜度就是O(m+n)了。
一個是mlogn(底數(shù)為2)，一個是m+n，也不能斷定哪個小,但是m和n比較大的時候肯定是加法得出的結(jié)果比較小的，所以這種解法應(yīng)該是最優(yōu)解法了。
空間復(fù)雜度
同樣，空間角度，沒有使用額外的和n相關(guān)的空間，所以空間復(fù)雜度為O(1)
參考
https://leetcode-cn.com/problems/er-wei-shu-zu-zhong-de-cha-zhao-lcof
本文轉(zhuǎn)載自微信公眾號「碼上積木」，可以通過以下二維碼關(guān)注。轉(zhuǎn)載本文請聯(lián)系碼上積木公眾號。
