题目描述:
给你两个按 非递减顺序 排列的整数数组 nums1 和 nums2,另有两个整数 m 和 n ,分别表示 nums1 和 nums2 中的元素数目。
请你 合并 nums2 到 nums1 中,使合并后的数组同样按 非递减顺序 排列。
注意:最终,合并后数组不应由函数返回,而是存储在数组 nums1 中。为了应对这种情况,nums1 的初始长度为 m + n,其中前 m 个元素表示应合并的元素,后 n 个元素为 0 ,应忽略。nums2 的长度为 n 。
示例 1:
输入:nums1 = [1,2,3,0,0,0], m = 3, nums2 = [2,5,6], n = 3
输出:[1,2,2,3,5,6]
解释:需要合并 [1,2,3] 和 [2,5,6] 。
合并结果是 [1,2,2,3,5,6] ,其中斜体加粗标注的为 nums1 中的元素。
示例 2:
输入:nums1 = [1], m = 1, nums2 = [], n = 0
输出:[1]
解释:需要合并 [1] 和 [] 。
合并结果是 [1] 。
示例 3:
输入:nums1 = [0], m = 0, nums2 = [1], n = 1
输出:[1]
解释:需要合并的数组是 [] 和 [1] 。
合并结果是 [1] 。
注意,因为 m = 0 ,所以 nums1 中没有元素。nums1 中仅存的 0 仅仅是为了确保合并结果可以顺利存放到 nums1 中。
核心知识点:数组,排序,双指针
解法一:先将数组nums2放入到数组nums1中,然后再排序
class Solution{
public void merge(int [] nums1, int m, int [] nums2, int n){
for(int i = 0;i != n; ++i){
nums1[m + i] = nums2[i];
}
Arrays.sort(nums1);
}
}
时间复杂度:O((m+n)log?(m+n)) 【快排】
空间复杂度:O(log?(m+n)) 【快排】
解法二:双指针
这一方法将两个数组看作队列,每次从两个数组头部取出比较小的数字放到结果中。
class Solution{
public void merge(int [] nums1, int m, int [] nums2, int n){
//定义两个指针
int p1 = 0 ,p2 = 0;
//存放排好序数据的数组
int [] sorted = new int [m + n];
int cur;
while(p1 < m || p2 < n){
// p1 == m nums1没了
if(p1 == m){
cur = nums2[p2++];
// p2 == n nums2没了
} else if(p2 == n){
cur = nums1[p1++];
} else if(nums1[p1] < nums2[p2]){
cur = nums1[p1++];
} else {
cur = nums2[p2++];
}
sorted[p1 + p2 - 1] = cur;
}
for (int i = 0; i != m + n; ++i){
nums1[i] = sorted[i];
}
}
}
时间复杂度:O(m+n)。
指针最多移动M+N次
空间复杂度:O(m+n)。
创建一个中间数组
解法三:逆向双指针
在解法三的基础上,原地移动,减少空间复杂度的占用。从后向前一次遍历数组,将大的值移动到nums1中的后边。
任意时刻nums1中填入了 (m-p1-1)+(n-p2-1)=m+n-p1-p2-2,nums1中剩余m+n-p1-1
m+n-p1-1 - (m+n-p1-p2-2) = p2 + 1 > 0 因此不会出现覆盖。
class Solution {
public void merge(int[] nums1, int m, int[] nums2, int n) {
//定义指针
int p1 = m - 1, p2 = n - 1;
//从tail开始依次向前添加元素
int tail = m + n - 1;
int cur;
while (p1 >= 0 || p2 >= 0) {
//nums1结束
if (p1 == -1) {
cur = nums2[p2--];
//nums2结束
} else if (p2 == -1) {
cur = nums1[p1--];
} else if (nums1[p1] > nums2[p2]) {
cur = nums1[p1--];
} else {
cur = nums2[p2--];
}
nums1[tail--] = cur;
}
}
}
时间复杂度:O(m+n)
空间复杂度:O(1).
可以看到两种方法的内存占用并没有很大的差距。
chatgbt临时生成了程序来测试一下内存的占用情况:
public class MergeTest {
public static void main(String[] args) {
int[] nums1 = {1, 2, 3, 0, 0, 0};
int m = 3;
int[] nums2 = {2, 5, 6};
int n = 3;
Runtime runtime = Runtime.getRuntime();
// 获取初始内存使用情况
long memoryBefore = runtime.totalMemory() - runtime.freeMemory();
System.out.println("Initial Memory Usage: " + memoryBefore + " bytes");
// 在这里运行你的代码,例如调用代码1的merge方法
merge1(nums1, m, nums2, n);
// 获取代码执行后的内存使用情况
long memoryAfter = runtime.totalMemory() - runtime.freeMemory();
// 计算内存差异
long memoryUsed = memoryAfter - memoryBefore;
System.out.println("merge1 Memory Used: " + memoryUsed + " bytes");
Runtime runtime2 = Runtime.getRuntime();
// 获取初始内存使用情况
long memoryBefore2 = runtime2.totalMemory() - runtime2.freeMemory();
// System.out.println("Initial Memory Usage: " + memoryBefore2 + " bytes");
// 在这里运行你的代码,例如调用代码1的merge方法
merge2(nums1, m, nums2, n);
// 获取代码执行后的内存使用情况
long memoryAfter2 = runtime2.totalMemory() - runtime2.freeMemory();
System.out.println("merge2 Memory Usage After Execution: " + memoryAfter2 + " bytes");
// 计算内存差异
long memoryUsed2 = memoryAfter2 - memoryBefore2;
System.out.println("Memory Used: " + memoryUsed + " bytes");
}
public static void merge1(int [] nums1, int m, int [] nums2, int n){
//定义两个指针
int p1 = 0 ,p2 = 0;
//存放排好序数据的数组
int [] sorted = new int [m + n];
int cur;
while(p1 < m || p2 < n){
// p1 == m nums1没了
if(p1 == m){
cur = nums2[p2++];
// p2 == n nums2没了
} else if(p2 == n){
cur = nums1[p1++];
} else if(nums1[p1] < nums2[p2]){
cur = nums1[p1++];
} else {
cur = nums2[p2++];
}
sorted[p1 + p2 - 1] = cur;
}
for (int i = 0; i != m + n; ++i){
nums1[i] = sorted[i];
}
}
public static void merge2(int[] nums1, int m, int[] nums2, int n) {
//定义指针
int p1 = m - 1, p2 = n - 1;
//从tail开始依次向前添加元素
int tail = m + n - 1;
int cur;
while (p1 >= 0 || p2 >= 0) {
//nums1结束
if (p1 == -1) {
cur = nums2[p2--];
//nums2结束
} else if (p2 == -1) {
cur = nums1[p1--];
} else if (nums1[p1] > nums2[p2]) {
cur = nums1[p1--];
} else {
cur = nums2[p2--];
}
nums1[tail--] = cur;
}
}
}
结果:变化太小,看不出来
有点晚了,有时间再探索一下。