当前位置：首页 > news >正文

LeetCode第350题_两个数组的交集II

news 2025/7/28 8:12:51

LeetCode 第350题：两个数组的交集 II

📖 文章摘要

本文详细解析LeetCode第350题"两个数组的交集 II"，这是一道哈希表应用的进阶问题。文章提供了三种解法：哈希表法、双指针法和二分查找法，包含C#、Python、C++三种语言实现，配有详细的思路分析和性能对比。适合想要深入理解哈希表和双指针技巧的程序员。

核心知识点： 哈希表、双指针、二分查找
难度等级： 简单
推荐人群： 数据结构进阶学习者、算法面试备考者

题目描述

给你两个整数数组 nums1 和 nums2 ，请你以数组形式返回两数组的交集。返回结果中每个元素出现的次数，应与元素在两个数组中都出现的次数一致（如果出现次数不一致，则考虑取较小值）。可以不考虑输出结果的顺序。

示例

示例 1：

输入：nums1 = [1,2,2,1], nums2 = [2,2]
输出：[2,2]

示例 2：

输入：nums1 = [4,9,5], nums2 = [9,4,9,8,4]
输出：[4,9]

提示

1 <= nums1.length, nums2.length <= 1000
0 <= nums1[i], nums2[i] <= 1000

解题思路

本题可以使用三种主要解法：

哈希表法
- 使用哈希表记录nums1中每个数字出现的次数
- 遍历nums2，查找在哈希表中存在且次数大于0的元素
- 将找到的元素加入结果，并减少哈希表中对应数字的次数
双指针法
- 先对两个数组进行排序
- 使用两个指针分别遍历两个数组
- 比较两个指针指向的元素，相等则加入结果
二分查找法
- 对两个数组排序
- 遍历较短的数组，在较长的数组中二分查找对应元素
- 使用lowerBound记录二分查找的起始位置，优化查找效率

图解思路

哈希表法流程分析

步骤	操作	数据状态	说明
初始状态	-	nums1=[1,2,2,1], nums2=[2,2]	原始输入
第一步	创建哈希表	map={1:2, 2:2}	记录nums1中元素出现次数
第二步	遍历nums2	result=[2,2]	找到交集元素

双指针法状态分析

情况	nums1指针	nums2指针	结果数组	说明
初始状态	[1,1,2,2]	[2,2]	[]	排序后的初始状态
第一步	1 < 2	-	[]	nums1指针后移
第二步	2 == 2	-	[2]	添加相等元素
第三步	2 == 2	-	[2,2]	添加相等元素

代码实现

C# 实现

public class Solution {public int[] Intersect(int[] nums1, int[] nums2) {if (nums1.Length > nums2.Length) {return Intersect(nums2, nums1);}Dictionary<int, int> count = new Dictionary<int, int>();List<int> result = new List<int>();foreach (int num in nums1) {if (!count.ContainsKey(num)) {count[num] = 0;}count[num]++;}foreach (int num in nums2) {if (count.ContainsKey(num) && count[num] > 0) {result.Add(num);count[num]--;}}return result.ToArray();}
}

Python 实现

class Solution:def intersect(self, nums1: List[int], nums2: List[int]) -> List[int]:if len(nums1) > len(nums2):return self.intersect(nums2, nums1)count = collections.Counter(nums1)result = []for num in nums2:if count[num] > 0:result.append(num)count[num] -= 1return result

C++ 实现

class Solution {
public:vector<int> intersect(vector<int>& nums1, vector<int>& nums2) {if (nums1.size() > nums2.size()) {return intersect(nums2, nums1);}unordered_map<int, int> count;vector<int> result;for (const int num : nums1) {++count[num];}for (const int num : nums2) {if (auto it = count.find(num); it != count.end() && it->second > 0) {result.push_back(num);--it->second;}}return result;}
};

执行结果

C# 实现

执行用时：132 ms
内存消耗：42.8 MB

Python 实现

执行用时：40 ms
内存消耗：15.2 MB

C++ 实现

执行用时：4 ms
内存消耗：10.3 MB

性能对比

解法	时间复杂度	空间复杂度	优点	缺点
哈希表法	O(m+n)	O(min(m,n))	实现简单，适用于无序数组	需要额外空间
双指针法	O(mlogm + nlogn)	O(1)	空间复杂度低	需要排序，修改输入
二分查找法	O(min(mlogn, nlogm))	O(1)	适用于有序数组	需要排序，实现复杂

代码亮点

🎯 优化空间使用，总是哈希较短的数组
💡 使用Counter简化Python实现
🔍 C++中使用结构化绑定优化代码
🎨 保持代码结构清晰，易于维护

常见错误分析

🚫 忘记处理重复元素的次数
🚫 未考虑数组长度为0的情况
🚫 错误使用Set导致丢失重复元素
🚫 排序后未正确处理相等元素

解法对比

解法	时间复杂度	空间复杂度	优点	缺点
哈希表法	O(m+n)	O(min(m,n))	无需排序，实现简单	需要额外空间
双指针法	O(mlogm + nlogn)	O(1)	空间利用率高	需要排序
二分查找法	O(min(mlogn, nlogm))	O(1)	适合数据量差异大	实现复杂

进阶思考

如果给定的数组已经排好序呢？你将如何优化你的算法？
- 可以使用双指针法，避免排序开销
- 时间复杂度降为O(m+n)
如果 nums1 的大小比 nums2 小很多，哪种方法更优？
- 可以使用二分查找法
- 时间复杂度为O(mlogn)，其中m为较小数组长度
如果 nums2 的元素存储在磁盘上，内存是有限的，并且你不能一次加载所有的元素到内存中？
- 可以使用外部排序
- 分块加载nums2，每次与nums1的哈希表比较