77 lines
2.5 KiB
Markdown
77 lines
2.5 KiB
Markdown
|
||
## 思路
|
||
|
||
### 暴力排序
|
||
|
||
最直观的相反，莫过于：每个数平方之后，排个序，美滋滋，代码如下：
|
||
|
||
```
|
||
class Solution {
|
||
public:
|
||
vector<int> sortedSquares(vector<int>& A) {
|
||
for (int i = 0; i < A.size(); i++) {
|
||
A[i] *= A[i];
|
||
}
|
||
sort(A.begin(), A.end()); // 快速排序
|
||
return A;
|
||
}
|
||
};
|
||
```
|
||
|
||
这个时间复杂度是 O(n + nlogn)， 可以说是O(nlogn)的时间复杂度，但为了和下面双指针法算法时间复杂度有鲜明对比，我记为 O(n + nlogn)。
|
||
|
||
### 双指针法
|
||
|
||
数组其实是有序的， 只不过负数平方之后可能成为最大数了。
|
||
|
||
那么数组平方的最大值就在数组的两端，不是最左边就是最右边，不可能是中间。
|
||
|
||
此时可以考虑双指针法了，i指向其实位置，j指向终止位置。
|
||
|
||
定义一个新数组result，和A数组一样的大小，让k指向result数组终止位置。
|
||
|
||
如果`A[i] * A[i] < A[j] * A[j]` 那么`result[k--] = A[j] * A[j];` 。
|
||
|
||
如果`A[i] * A[i] >= A[j] * A[j]` 那么`result[k--] = A[i] * A[i];` 。
|
||
|
||
如动画所示：
|
||
|
||
<img src='../video/977.有序数组的平方.gif' width=600> </img></div>
|
||
|
||
不难写出如下代码：
|
||
|
||
```
|
||
class Solution {
|
||
public:
|
||
vector<int> sortedSquares(vector<int>& A) {
|
||
int k = A.size() - 1;
|
||
vector<int> result(A.size(), 0);
|
||
for (int i = 0, j = A.size() - 1; i <= j;) { // 注意这里要i <= j，因为最后要处理两个元素
|
||
if (A[i] * A[i] < A[j] * A[j]) {
|
||
result[k--] = A[j] * A[j];
|
||
j--;
|
||
}
|
||
else {
|
||
result[k--] = A[i] * A[i];
|
||
i++;
|
||
}
|
||
}
|
||
return result;
|
||
}
|
||
};
|
||
```
|
||
|
||
此时的时间复杂度为O(n)，相对于暴力排序的解法O(n + nlogn)还是提升不少的。
|
||
|
||
效率如下：
|
||
|
||
<img src='../pics/977.有序数组的平方.png' width=600> </img></div>
|
||
|
||
**这里还是说一下，大家不必太在意leetcode上执行用时，打败多少多少用户，这个就是一个玩具，非常不准确。**
|
||
|
||
做题的时候自己能分析出来时间复杂度就可以了，至于leetcode上执行用时，大概看一下就行，只要达到最优的时间复杂度就可以了，
|
||
|
||
一样的代码多提交几次可能就击败百分之百了.....
|
||
|
||
> 更多算法干货文章持续更新，可以微信搜索「代码随想录」第一时间围观，关注后，回复「Java」「C++」 「python」「简历模板」「数据结构与算法」等等，就可以获得我多年整理的学习资料。
|