技术面试不发愁！从几个小技巧中探析数据结构的乐趣

全文共 2129 字，预计学习时长 8 分钟

图源：unsplash  

如果你即将要面临大型科技公司的技术面试，那么数据结构和算法技巧方面的问题一定不能忘记准备。

本文就将介绍一些适合在面试使用的优化代码的小技巧。但在学习技巧之前，你得确保自己已经了解了简单的数据结构，比如树、堆、图和哈希映射。

注意，你要理解而不是仅仅记住它们。

技巧1:针对“第K个最小/最大元素”问题的最小/最大堆

问题:给定一个数字列表，使用堆数据结构找到第三小的元素:

<span>[<span>4</span>,<span>20</span>,<span>16</span>,<span>10</span>,<span>0</span>,<span>47</span>，…]</span>

当以“查找列表中第K个最小元素”的形式提出问题时，由于问题语句中的“最小”一词，自然会倾向于使用最小堆提出解决方案。这儿有一个简单的解决方案：

构建给定列表的最小堆并调用 extractMin() k次。这个解决方案的时间复杂度是O(n + kLogn)，消耗了O(n)的额外内存。

想要优化内存和时间复杂度，这儿有一个更好的解决方案：

1.从数组的前k个元素构建最大堆

2.对于每个剩余的元素，将该元素与最大堆的根进行比较。如果它小于根，则用元素替换根并调用heapify()。

3.完成了第二步，堆的根将是第k个最小的元素。

时间复杂度:O(k +(n-k)Logk)

·  对于第K个最小的问题使用最大堆。

·  对于第K个最大的问题使用最小堆。

注意:对于这个问题有不同的解决方案，可以使用快速选择算法、中位数等。选择堆是因为它们更容易理解和可视化。

技巧2:使用索引映射

索引映射是在技术面试中多次使用的一种技术，它以使用更多内存为代价来节省搜索时间。

问题:用O(1)搜索时间实现最小堆数据结构。

从简单开始。只关注“搜索”部分，最小堆已经实现了。

这是一个最小堆，它被表示为如下数组：

<span>[<span>0</span>, <span>4</span>, <span>16</span>, <span>10</span>, <span>20</span>, <span>47</span>]</span>

想找到给定节点的下标，比如说10。

对数组进行线性搜索，直到找到元素10，这将花费O(n)时间。但需要O(1)时间。也许是因为想要更新这个节点的值，正在执行大量的更新，所以不想花时间去寻找元素。

很明显，除非牺牲一些资源，否则不可能神奇地拥有O(1)搜索时间。我们可以在哈希映射中保留每个节点的索引。无论何时更新堆，都需要更新这个散列映射上的索引。

对于上面的堆[0,4,16,10,20,47]，索引映射为:

{
0:0,
4:1,
16:2
10:3,
20:4
47:5
}

现在我们可以求出节点10在O(1)时间内的位置。如果更改堆中元素的顺序，还将更新它们在索引映射数据结构中的相对索引。

注意:可以使用其他的数据结构，例如索引映射的树。

追问:能对指针/引用使用同样的技术吗?

技巧3:在O(1)时间内从无序数组中删除一个元素

问题：在O(1)时间内移除[10,4,56,0,8,1]中的元素“4”。

从数组中删除一个特定的元素时，所有后续的元素都向左移动，这将花费O(n)个时间。这很完美，而且是最常用的技术，它保留了数组的顺序。

但如果你不在意元素的顺序，有一个更简单的方法可以实现O(1)时间内“删除”：用数组的最后一个元素替换要删除的元素。然后将数组大小减小1。

对于上面这个例子，删除“4”就可以写成：

<span>[<span>10, 1, 56, 0, 8, 1</span>] <span>#用最后一个元素“1”替换“4”</span></span>

<span>[<span>10, 1, 56, 0, 8</span>] <span>#减少数组大小1。</span></span>

追问：如果在意顺序呢?可以将其保存在不同的数据结构中吗?

技巧4:了解二分查找的基本原理

二分查找不仅仅是为了在一个有序数组中找到一个元素，它有着更强大的力量。一旦理解了它的基本原理，就会被能用它解决的问题的能力所折服。

问题:

农民约翰新建了一个有N个畜栏的仓房。给定一个大小为N的整数数组A，其中数组中的每个元素表示畜栏的位置， 整数B表示奶牛的数量。 他的奶牛不喜欢这个仓房的布局，这使它们在仓库中变得很有攻击性。 为了防止奶牛互相伤害，约 翰想把奶牛分配到畜栏里。

图源：unsplash  

约翰想使它们之间的最小距离尽可能大。那么这个最小距离的最大值是多少?我们能用二分查找法解决这个问题吗?

当然可以。阅读这篇关于topcoder的文章，你将会明白该怎样具体操作：mailto:https://www.topcoder.com/community/competitive-programming/tutorials/binary-search

技巧5:位操作

位操作是优化代码（主要是内存)的一种有用技术，可以用于各种问题，你可以使用移位、和/或/异或/非操作。

以下是你必须了解的比特操作:

x ^ x = 0
x ^ 0 = x
x | 0 = x
x & 1 = xGet i th bit on num: (num & (1 
	

问题:给定一个整数数组，除了一个元素外，其他元素都出现两次。找到这个元素。

<span><span>Sample</span> <span>input: [1, , 8, 1, 8]</span></span>

<span><span>Output</span>: <span>0</span></span>

你当然可以使用哈希表或其他技术来解决这个问题，但我有一个更简单的方法。 我们给到的是x ^ 0 =x和x ^ x =0。 如果对数组的所有元素进行XOR操作，重复的元素会相互抵消(x ^ x = 0)，最后，会得到不重复的元素:

arr = [1, 0, 8, 1, 8]
result = 0for num in arr:
  result ^= numreturn result

这将只花费O(n)时间和O(1)内存。

图源：unsplash  

技巧的意义体现在实际操作之中，快去试试用它们解答面试问题吧，你会大有收获的。

推荐阅读专题

留言点赞发个朋友圈

我们一起分享AI学习与发展的干货

编译组：高雪窈、齐欣

相关链接：

https://medium.com/swlh/fun-with-data-structures-simple-tricks-for-technical-interviews-edcbf252bb34

如转载，请后台留言，遵守转载规范

推荐文章阅读