1.多数元素
题目描述：
给定一个大小为 n 的数组，找到其中的多数元素。多数元素是指在数组中出现次数 大于 ⌊ n/2 ⌋ 的元素。
你可以假设数组是非空的，并且给定的数组总是存在多数元素。
思路：
代码：
//时复O(N)空复O(1)
int majorityElement(vector<int>& nums){
int thinkAns=nums[0],count=0;//thinkAns随便赋值
for(int x:nums){
if(x==thinkAns)
count++;
else if(--count<0){
thinkAns=x;
count=1;
}
}
return thinkAns;
}
//此处为垃圾代码
//时复O(N^2)空复O(N)
int majorityElement1(vector<int>& nums) {
int n=nums.size();
map<int,int> m;//<数字，次数>
for(int x:nums){
if(m.find(x)==m.end())
m[x]=1;
else
m[x]++;
}
//找次数最大的
int maxTime=0;
int ans;
for(pair<int,int> p:m){
if(p.second>maxTime){
maxTime=p.second;
ans=p.first;
}
}
return ans;
}2.找到字符串中的所有字母异位词
题目描述：
给定两个字符串 s 和 p，找到 s 中所有 p 的 异位词 的子串，返回这些子串的起始索引。不考虑答案输出的顺序。
异位词 指由相同字母重排列形成的字符串（包括相同的字符串）。
思路：
根据题目要求，我们需要在字符串 ss 寻找字符串 pp 的异位词。因为字符串 pp 的异位词的长度一定与字符串 pp 的长度相同，所以我们可以在字符串 ss 中构造一个长度为与字符串 pp 的长度相同的滑动窗口，并在滑动中维护窗口中每种字母的数量；当窗口中每种字母的数量与字符串 pp 中每种字母的数量相同时，则说明当前窗口为字符串 pp 的异位词。
算法：
在算法的实现中，我们可以使用数组来存储字符串 pp 和滑动窗口中每种字母的数量。
细节：
当字符串 ss 的长度小于字符串 pp 的长度时，字符串 ss 中一定不存在字符串 pp 的异位词。但是因为字符串 ss 中无法构造长度与字符串 pp 的长度相同的窗口，所以这种情况需要单独处理。
代码实现：
vector<int> findAnagrams(string s, string p) {
vector<int> ans;
int n1=s.size(),n2=p.size();
if(n1<n2)
return ans;
vector<int> sCount(26),pCount(26);
for(int i=0;i<n2;i++){
sCount[s[i]-'a']++;
pCount[p[i]-'a']++;
}
if(sCount==pCount)
ans.emplace_back(0);
for(int i=0;i<n1-n2;i++){
--sCount[s[i]-'a'];
++sCount[s[i+n2]-'a'];
if(sCount==pCount)
ans.emplace_back(i+1);
}
return ans;
}3.乘积小于K的连续子数组的个数
题目描述：
给定一个正整数数组
nums和整数k。请找出该数组内乘积小于
k的连续的子数组的个数。
方法一（二分查找）：
代码实现：
//为了计算过程中不超出范围，取对数 log(x*y)=logx+logy 所以用prefix存储前缀和
int numSubarrayProductLessThanK(vector<int>& nums, int k) {
if (k == 0)
return 0;
int n = nums.size();
vector<double> prefix(n+1);//prefix[i]表示【0，i-1]的前缀和
prefix[0] = 0;
for (int i = 1; i <= n; i++) {
prefix[i] = prefix[i - 1] + log(nums[i - 1]);//profix[i]-profix[j]表示[j,i-1]的和
}
double logk = log(k);
int ans = 0;
int N = prefix.size();
int low = 0, high = N - 1,mid=low+((high-low)>>1);
for (int i = 0; i < N; i++) {
//二分
low = i + 1; high = N;
while (low < high) {
mid = low + ((high - low) >> 1);
if (prefix[mid] < prefix[i] + logk - 1e-9)
low = mid + 1;
else
high = mid;
}
ans += low-1 - i;
}
return ans;
}方法二：（双指针)
代码实现：
//双指针
int numSubarrayProductLessThanK(vector<int>& nums, int k) {
if (k <=1)
return 0;
int n = nums.size();
int prod = 1, ans = 0, left = 0;
for (int right = 0; right < n; right++) {
prod *= nums[right];
while (prod >= k)
prod /= nums[left++];
ans += right - left + 1;
}
return ans;
}4.最大子数组和
题目描述：
给你一个整数数组
nums，请你找出一个具有最大和的连续子数组（子数组最少包含一个元素），返回其最大和。子数组 是数组中的一个连续部分。
算法和思路：
代码实现：
//动态规划
int maxSubArray(vector<int>& nums) {
int pre = 0, maxAns = nums[0];
for (int x : nums) {
pre = max(pre + x, x);//小就跟更新
maxAns = max(maxAns, pre);//同时记录最大的
}
return maxAns;
}5.和为K的子数组
题目描述：
给你一个整数数组
nums和一个整数k，请你统计并返回该数组中和为k的连续子数组的个数。
思路：前缀和+哈希优化
代码：
//时复O(n) 空复O(n)
int subarraySum(vector<int>& nums, int k){
int count=0,pre=0;
unordered_map<int,int> mp;
mp[0]=1;
for(int x:nums){
pre+=x;
if(mp.find(pre-k)!=mp.end())
count+=mp[pre-k];
mp[pre]++;
}
return count;
}