给你一个整数数组 nums
和两个整数 k
和 numOperations
。
你必须对 nums
执行 操作 numOperations
次。每次操作中,你可以:
- 选择一个下标
i
,它在之前的操作中 没有 被选择过。 - 将
nums[i]
增加范围[-k, k]
中的一个整数。
在执行完所有操作以后,请你返回 nums
中出现 频率最高 元素的出现次数。
一个元素 x
的 频率 指的是它在数组中出现的次数。
示例 1:
输入:nums = [1,4,5], k = 1, numOperations = 2
输出:2
解释:
通过以下操作得到最高频率 2 :
- 将
nums[1]
增加 0 ,nums
变为[1, 4, 5]
。 - 将
nums[2]
增加 -1 ,nums
变为[1, 4, 4]
。
示例 2:
输入:nums = [5,11,20,20], k = 5, numOperations = 1
输出:2
解释:
通过以下操作得到最高频率 2 :
- 将
nums[1]
增加 0 。
提示:
1 <= nums.length <= 105
1 <= nums[i] <= 109
0 <= k <= 109
0 <= numOperations <= nums.length
- 二分
- 暂无
容易想到的是枚举最高频率的元素的值 v。v 一定是介于数组的最小值 - k 和最大值 + k 之间的。因此我们可以枚举所有可能得值。但这会超时。可以不枚举这么多么?答案是可以的。
刚开始认为 v 的取值一定是 nums 中的元素值中的一个,因此直接枚举 nums 即可。但实际上是不对的。比如 nums = [88, 53] k = 27 变为 88 或者 53 最高频率都是 1,而变为 88 - 27 = 61 则可以使得最高频率变为 2。
那 v 的取值有多少呢?实际上除了 nums 的元素值,还需要考虑 nums[i] + k, nums[i] - k。为什么呢?
数形结合更容易理解。
如下图,黑色点表示 nums 中的元素值,它可以变成的值的范围用竖线来表示。
如果两个之间有如图红色部分的重叠区域,那么就可以通过一次操作使得二者相等。当然如果两者本身就相等,就不需要操作。
如上图,我们可以将其中一个数变成另外一个数。但是如果两者是下面的关系,那么就不能这么做,而是需要变为红色部分的区域才行。
如果更进一步两者没有相交的红色区域,那么就无法通过操作使得二者相等。
最开始那种朴素的枚举,我们可以把它看成是一个红线不断在上下移动,不妨考虑从低往高移动。
那么我们可以发现红线只有移动到 nums[i], nums[i] + k, nums[i] - k 时,才会突变。这个突变指的是可以通过操作使得频率变成多大的值会发生变化。也就是说,我们只需要考虑 nums[i], nums[i] + k, nums[i] - k 这三个值即可,而不是这之间的所有值。
理解了上面的过程,最后只剩下一个问题。那就是对于每一个 v。找 满足 nums[i] - k <= v <= nums[i] + k 的有几个,我们就能操作几次,频率就能多多少(不考虑 numOperations 影响),当然要注意如果 v == nums[i] 就不需要操作。
具体来说:
- 如果 nums[i] == v 不需要操作。
- 如果 nums[i] - k <= v <= nums[i] + k,操作一次
- 否则,无法操作
找 nums 中范围在某一个区间的个数如何做呢?我们可以使用二分查找。我们可以将 nums 排序,然后使用二分查找找到 nums 中第一个大于等于 v - k 的位置,和第一个大于 v + k 的位置,这两个位置之间的元素个数就是我们要找的。
最后一个小细节需要注意,能通过操作使得频率增加的量不能超过 numOperations。
- 枚举 nums 中的元素值 num 和 num + k, num - k 作为最高频率的元素的值 v
- 语言支持:Python3
Python3 Code:
class Solution:
def maxFrequency(self, nums: List[int], k: int, numOperations: int) -> int:
# 把所有要考虑的值放进 set 里
st = set()
# 统计 nums 里每种数出现了几次
mp = Counter(nums)
for x in nums:
st.add(x)
st.add(x - k)
st.add(x + k)
# 给 nums 排序,方便接下来二分计数。
nums.sort()
ans = 0
for x in st:
except_self = (
bisect.bisect_right(nums, x + k)
- bisect.bisect_left(nums, x - k)
- mp[x]
)
ans = max(ans, mp[x] + min(except_self, numOperations))
return ans
复杂度分析
令 n 为数组长度。
- 时间复杂度:$O(nlogn)$
- 空间复杂度:$O(n)$
此题解由 力扣刷题插件 自动生成。
力扣的小伙伴可以关注我,这样就会第一时间收到我的动态啦~
以上就是本文的全部内容了。大家对此有何看法,欢迎给我留言,我有时间都会一一查看回答。更多算法套路可以访问我的 LeetCode 题解仓库:https://github.com/azl397985856/leetcode 。 目前已经 54K star 啦。大家也可以关注我的公众号《力扣加加》带你啃下算法这块硬骨头。
关注公众号力扣加加,努力用清晰直白的语言还原解题思路,并且有大量图解,手把手教你识别套路,高效刷题。