给定两个数组,arr1 和 arr2,
- arr2 中的元素各不相同
- arr2 中的每个元素都出现在 arr1 中
对 arr1 中的元素进行排序,使 arr1 中项的相对顺序和 arr2 中的相对顺序相同。未在 arr2 中出现过的元素需要按照升序放在 arr1 的末尾。
示例:
输入:arr1 = [2,3,1,3,2,4,6,7,9,2,19], arr2 = [2,1,4,3,9,6]输出:[2,2,2,1,4,3,3,9,6,7,19]
提示:
- 1 <= arr1.length, arr2.length <= 1000
- 0 <= arr1[i], arr2[i] <= 1000
- arr2 中的元素 arr2[i] 各不相同
arr2 中的每个元素 arr2[i] 都出现在 arr1 中
Solution
/*** Note: The returned array must be malloced, assume caller calls free().*/int* relativeSortArray(int* arr1, int arr1Size, int* arr2, int arr2Size, int* returnSize) {int book[1001] = {0};bool vis[1001] = {false};for(int i=0; i<arr1Size; i++) {book[arr1[i]]++;}int count = 0;for(int i=0; i<arr2Size; i++) {int index = arr2[i];vis[index] = true;for(int j=book[index]; j>0; j--) {arr1[count] = index;count++;}}for(int i=0; i<=1000; i++) {if(!vis[i]) {vis[i] = true;for(int j=book[i]; j>0; j--) {arr1[count] = i;count++;}}}*returnSize = count;return arr1;}
Answer
思路与算法
注意到本题中元素的范围为 [0, 1000],这个范围不是很大,我们也可以考虑不基于比较的排序,例如「计数排序」。
具体地,我们使用一个长度为 1001(下标从 0 到 1000)的数组 frequency,记录每一个元素在数组 arr 1 中出现的次数。随后我们遍历数组arr2,当遍历到元素 x 时,我们将frequency[x]个 x 加入答案中,并将 frequency[x] 清零。(可以避免开辟新的空间用于存储是否访问过)当遍历结束后,所有在arr2中出现过的元素就已经有序了。此时还剩下没有在 arr2中出现过的元素,因此我们还需要对整个数组frequency 进行一次遍历。当遍历到元素x 时,如果frequency[x] 不为0,我们就将frequency[x] 个 x 加入答案中。细节
我们可以对空间复杂度进行一个小优化。实际上,我们不需要使用长度为 1001的数组,而是可以找出数组 arr 1中的最大值 upper,使用长度为upper+1 的数组即可。
代码
int* relativeSortArray(int* arr1, int arr1Size, int* arr2, int arr2Size, int* returnSize) {int upper = 0;for (int i=0; i<arr1Size; i++) {upper = fmax(upper, arr1[i]);}int frequency[upper + 1];memset(frequency, 0, sizeof(frequency));for (int i = 0; i < arr1Size; i++) {frequency[arr1[i]]++;}int* ans = malloc(sizeof(int) * arr1Size);*returnSize = 0;for (int i=0; i<arr2Size; i++) {int x = arr2[i];for (int j=0; j<frequency[x]; j++) {ans[(*returnSize)++] = x;}frequency[x] = 0;}for (int x=0; x<=upper; x++) {for (int i=0; i<frequency[x]; i++) {ans[(*returnSize)++] = x;}}return ans;}
复杂度分析
时间复杂度:,其中 m 和 n 分别是数组 和 的长度, 是数组 中的最大值,在本题中 不会超过 1000。遍历数组 的时间复杂度为 ,遍历数组 的时间复杂度为 ,而在遍历的过程中,我们一共需要的时间得到答案数组。
- 空间复杂度:,即为数组 需要使用的空间。注意到与方法一不同的是,方法二的代码使用了额外的空间(而不是直接覆盖数组 )存放答案,但我们一般不将存储返回答案的数组计入空间复杂度,并且在我们得到数组 之后,实际上也是可以将返回答案覆盖在数组
