Skip to content

Latest commit

 

History

History
75 lines (59 loc) · 2.16 KB

315-CountofSmallestNumbersAfterSelf.md

File metadata and controls

75 lines (59 loc) · 2.16 KB

计算右侧小于当前元素的个数

给你一个整数数组 nums ,按要求返回一个新数组 counts 。数组 counts 有该性质: counts[i] 的值是 nums[i] 右侧小于 nums[i] 的元素的数量。

示例 1:

输入:nums = [5,2,6,1]
输出:[2,1,1,0]
解释:
5 的右侧有 2 个更小的元素 (2  1)
2 的右侧仅有 1 个更小的元素 (1)
6 的右侧有 1 个更小的元素 (1)
1 的右侧有 0 个更小的元素

示例 2:

输入:nums = [-1]
输出:[0]

示例 3:

输入:nums = [-1,-1]
输出:[0,0]

提示:

  • 1 <= nums.length <= 10^5
  • -10^4 <= nums[i] <= 10^4

思路:

  1. 初始化数组:创建一个 counts 数组来存储每个元素右侧小于它的元素的数量,以及一个 sortedNums 数组来存储排序后的元素。
  2. 使用树状数组:创建一个大小为 n + 1 的数组 bit,用于树状数组的实现。
  3. 排序:将 nums 数组中的元素复制到 sortedNums 数组中,并对其进行降序排序。
  4. 计算右侧小于当前元素的个数:从后向前遍历 sortedNums 数组,对于每个元素,使用树状数组来计算它右侧小于它的元素的数量,并更新 counts 数组。
  5. 更新树状数组:在计算完每个元素右侧小于它的元素的数量后,更新树状数组,以便为下一个元素的计算提供正确的信息。

时间复杂度:O(n log n),其中 n 是数组 nums 的长度。这是因为我们对数组进行了排序,排序的时间复杂度为 O(n log n)。 空间复杂度:O(n),我们需要额外的空间来存储 counts 数组和树状数组 bit。

const countSmaller = (nums) => {
  const n = nums.length;
  const counts = new Array(n).fill(0);
  const sortedNums = new Array(n);
  const bit = new Array(n + 1).fill(0);

  for (let i = n - 1; i >= 0; i--) {
    sortedNums[i] = nums[i];
  }

  for (let i = n - 1; i >= 0; i--) {
    const num = sortedNums[i];
    counts[i] = bit[0];
    let j = num;
    while (j > 0) {
      counts[i] += bit[j];
      j -= j & -j;
    }
    let j = num;
    while (j <= n) {
      bit[j]++;
      j += j & -j;
    }
  }

  return counts;
};