我在接受微软采访时遇到了这个问题。
给定一个随机整数数组，用 C 语言编写一个算法，删除重复数字并返回原始数组中的唯一数字。
例如输入：{4, 8, 4, 1, 1, 2, 9} 输出：{4, 8, 1, 2, 9, ?, ?}
一个警告是，预期的算法不应该要求首先对数组进行排序。并且当一个元素被删除时，以下元素也必须向前移动。无论如何，数组尾部元素向前移动的元素的值可以忽略不计。
更新：结果必须在原始数组中返回，并且不应使用辅助数据结构（例如哈希表）。但是，我想订单保存是没有必要的。
更新2：对于那些想知道为什么这些不切实际的限制的人，这是一个面试问题，所有这些限制都在思考过程中进行了讨论，以了解我如何提出不同的想法。
我女朋友建议的解决方案是归并排序的一种变体。唯一的修改是在合并步骤期间，只需忽略重复的值。这个解决方案也是 O(n log n)。在这种方法中，排序/重复删除结合在一起。但是，我不确定这是否有什么不同。
我之前在 SO 上发布过一次，但我会在这里复制它，因为它非常酷。它使用散列，在适当的位置构建类似于散列集的东西。它保证在腋窝空间中是 O(1)（递归是尾调用），并且通常是 O(N) 时间复杂度。算法如下：
这可以证明是 O(N)，前提是在散列中没有病态场景：即使没有重复，每次递归也会消除大约 2/3 的元素。每个级别的递归都是 O(n)，其中小的 n 是剩余元素的数量。唯一的问题是，在实践中，当重复项很少时，它比快速排序要慢，即很多冲突。然而，当有大量重复时，它的速度惊人地快。
编辑：在 D 的当前实现中，hash_t 是 32 位。这个算法的所有内容都假设在完整的 32 位空间中，哈希冲突非常少（如果有的话）。然而，碰撞可能经常发生在模数空间中。但是，对于任何合理大小的数据集，这个假设很可能是正确的。如果密钥小于或等于 32 位，它可以是它自己的哈希，这意味着在完整的 32 位空间中发生冲突是不可能的。如果它更大，那么您根本无法将足够多的它们放入 32 位内存地址空间中，这将成为一个问题。我假设在 D 的 64 位实现中 hash_t 将增加到 64 位，其中数据集可以更大。此外，如果这确实被证明是一个问题，则可以在每个递归级别更改散列函数。
这是 D 编程语言中的一个实现：
void uniqueInPlace(T)(ref T[] dataIn) {
uniqueInPlaceImpl(dataIn, 0);
}
void uniqueInPlaceImpl(T)(ref T[] dataIn, size_t start) {
if(dataIn.length - start < 2)
return;
invariant T sentinel = dataIn[start];
T[] data = dataIn[start + 1..$];
static hash_t getHash(T elem) {
static if(is(T == uint) || is(T == int)) {
return cast(hash_t) elem;
} else static if(__traits(compiles, elem.toHash)) {
return elem.toHash;
} else {
static auto ti = typeid(typeof(elem));
return ti.getHash(&elem);
}
}
for(size_t index = 0; index < data.length;) {
if(data[index] == sentinel) {
index++;
continue;
}
auto hash = getHash(data[index]) % data.length;
if(index == hash) {
index++;
continue;
}
if(data[index] == data[hash]) {
data[index] = sentinel;
index++;
continue;
}
if(data[hash] == sentinel) {
swap(data[hash], data[index]);
index++;
continue;
}
auto hashHash = getHash(data[hash]) % data.length;
if(hashHash != hash) {
swap(data[index], data[hash]);
if(hash < index)
index++;
} else {
index++;
}
}
size_t swapPos = 0;
foreach(i; 0..data.length) {
if(data[i] != sentinel && i == getHash(data[i]) % data.length) {
swap(data[i], data[swapPos++]);
}
}
size_t sentinelPos = data.length;
for(size_t i = swapPos; i < sentinelPos;) {
if(data[i] == sentinel) {
swap(data[i], data[--sentinelPos]);
} else {
i++;
}
}
dataIn = dataIn[0..sentinelPos + start + 1];
uniqueInPlaceImpl(dataIn, start + swapPos + 1);
}
一种更有效的实现
int i, j;
/* new length of modified array */
int NewLength = 1;
for(i=1; i< Length; i++){
for(j=0; j< NewLength ; j++)
{
if(array[i] == array[j])
break;
}
/* if none of the values in index[0..j] of array is not same as array[i],
then copy the current value to corresponding new position in array */
if (j==NewLength )
array[NewLength++] = array[i];
}
在这个实现中，不需要对数组进行排序。此外，如果发现重复元素，则无需将其后的所有元素移动一个位置。
这段代码的输出是数组[]，大小为 NewLength
在这里，我们从数组中的第二个元素开始，并将它与数组中的所有元素进行比较，直到这个数组。我们持有一个额外的索引变量“NewLength”来修改输入数组。NewLength 变量初始化为 0。
array[1] 中的元素将与 array[0] 进行比较。如果它们不同，则 array[NewLength] 中的值将被 array[1] 修改并增加 NewLength。如果它们相同，则不会修改 NewLength。
所以如果我们有一个数组 [1 2 1 3 1]，那么
在“j”循环的第一遍中，array[1] (2) 将与 array0 进行比较，然后将 2 写入 array[NewLength] = array[1]，因此 array 将是 [1 2]，因为 NewLength = 2
在“j”循环的第二遍中，array[2] (1) 将与 array0 和 array1 进行比较。这里由于 array[2] (1) 和 array0 是相同的循环将在这里中断。所以数组将是 [1 2] 因为 NewLength = 2
等等
怎么样：
void rmdup(int *array, int length)
{
int *current , *end = array + length - 1;
for ( current = array + 1; array < end; array++, current = array + 1 )
{
while ( current <= end )
{
if ( *current == *array )
{
*current = *end--;
}
else
{
current++;
}
}
}
}
应该是 O(n^2) 或更小。
如果您正在寻找优越的 O 表示法，那么使用 O(n log n) 排序对数组进行排序，然后进行 O(n) 遍历可能是最好的路线。没有排序，您正在查看 O(n^2)。
编辑：如果你只是在做整数，那么你也可以做基数排序来得到 O(n)。
1. 使用 O(1) 额外空间，在 O(n log n) 时间内
这是可能的，例如：
我相信 ejel 的合作伙伴是正确的，最好的方法是使用简化的合并步骤进行就地合并排序，如果你是这样的话，这可能是问题的意图。编写一个新的库函数来尽可能高效地执行此操作，而无法改进输入，并且在某些情况下，根据输入的种类，在没有哈希表的情况下这样做会很有用。但我还没有真正检查过这个。
2. 在 O(n) 时间内使用 O(lots) 额外空间
这仅在几个有问题的假设成立时才有效：
这是一个糟糕的答案，但如果你有很多输入元素，但它们都是 8 位整数（甚至可能是 16 位整数），那可能是最好的方法。
3. O(little)-ish 额外空间，O(n)-ish 时间
与 #2 一样，但使用哈希表。
4. 明确的方式
如果元素的数量很少，如果其他代码写得更快，读得更快，那么写一个合适的算法就没用了。
例如。遍历每个唯一元素（即第一个元素、第二个元素（第一个元素的重复项已被删除）等）的数组，删除所有相同的元素。O(1) 额外空间，O(n^2) 时间。
例如。使用执行此操作的库函数。效率取决于你有哪些容易获得的。
好吧，它的基本实现非常简单。遍历所有元素，检查其余元素中是否存在重复项，然后将其余元素移到它们之上。
这是非常低效的，您可以通过输出或排序/二叉树的辅助数组来加速它，但这似乎是不允许的。
如果您愿意牺牲内存，您可以在一次遍历中完成此操作。您可以简单地计算您是否在哈希/关联数组中看到了一个整数。如果您已经看到了一个数字，请随时将其删除，或者更好的是，将您未见过的数字移动到新数组中，避免原始数组中的任何移动。
在 Perl 中：
foreach $i (@myary) {
if(!defined $seen{$i}) {
$seen{$i} = 1;
push @newary, $i;
}
}
如果您被允许使用 C++，则调用 tostd::sort后调用 tostd::unique将为您提供答案。排序的时间复杂度为 O(N log N)，唯一遍历的时间复杂度为 O(N)。
如果 C++ 不在讨论范围内，那么没有任何东西可以阻止这些相同的算法用 C 编写。
函数的返回值应该是唯一元素的数量，它们都存储在数组的前面。如果没有这些附加信息，您甚至都不知道是否有任何重复。
外循环的每次迭代都会处理数组的一个元素。如果它是唯一的，它会留在数组的前面，如果它是重复的，它会被数组中最后一个未处理的元素覆盖。该解决方案在 O(n^2) 时间内运行。
#include <stdio.h>
#include <stdlib.h>
size_t rmdup(int *arr, size_t len)
{
size_t prev = 0;
size_t curr = 1;
size_t last = len - 1;
while (curr <= last) {
for (prev = 0; prev < curr && arr[curr] != arr[prev]; ++prev);
if (prev == curr) {
++curr;
} else {
arr[curr] = arr[last];
--last;
}
}
return curr;
}
void print_array(int *arr, size_t len)
{
printf("{");
size_t curr = 0;
for (curr = 0; curr < len; ++curr) {
if (curr > 0) printf(", ");
printf("%d", arr[curr]);
}
printf("}");
}
int main()
{
int arr[] = {4, 8, 4, 1, 1, 2, 9};
printf("Before: ");
size_t len = sizeof (arr) / sizeof (arr[0]);
print_array(arr, len);
len = rmdup(arr, len);
printf("\nAfter: ");
print_array(arr, len);
printf("\n");
return 0;
}
这是一个Java版本。
int[] removeDuplicate(int[] input){
int arrayLen = input.length;
for(int i=0;i<arrayLen;i++){
for(int j = i+1; j< arrayLen ; j++){
if(((input[i]^input[j]) == 0)){
input[j] = 0;
}
if((input[j]==0) && j<arrayLen-1){
input[j] = input[j+1];
input[j+1] = 0;
}
}
}
return input;
}
这是我的解决方案。
///// find duplicates in an array and remove them
void unique(int* input, int n)
{
merge_sort(input, 0, n) ;
int prev = 0 ;
for(int i = 1 ; i < n ; i++)
{
if(input[i] != input[prev])
if(prev < i-1)
input[prev++] = input[i] ;
}
}
这可以通过 O(N log N) 算法一次性完成，无需额外存储。
从元素继续a[1]到a[N]。在每个阶段i， 左边的所有元素都a[i]包含一个有序的元素a[0]堆a[j]。同时，第二个索引j，最初为 0，跟踪堆的大小。
检查并将其插入到a[i]堆中，该堆现在占据. 在插入元素时，如果遇到具有相同值的重复元素，则不要插入到堆中（即丢弃它）；否则将其插入堆中，该堆现在增长一个元素，现在包括to和 increment 。a[0]a[j+1]a[k]a[i]a[0]a[j+1]j
以这种方式继续，递增i直到所有数组元素都被检查并插入到堆中，最终占用a[0]到a[j]. j是堆的最后一个元素的索引，堆只包含唯一的元素值。
int algorithm(int[] a, int n)
{
int i, j;
for (j = 0, i = 1; i < n; i++)
{
// Insert a[i] into the heap a[0...j]
if (heapInsert(a, j, a[i]))
j++;
}
return j;
}
bool heapInsert(a[], int n, int val)
{
// Insert val into heap a[0...n]
...code omitted for brevity...
if (duplicate element a[k] == val)
return false;
a[k] = val;
return true;
}
查看示例，这并不是所要求的，因为结果数组保留了原始元素顺序。但是如果放宽这个要求，上面的算法应该可以解决问题。
一个数组显然应该从右到左“遍历”以避免不必要地来回复制值。
如果您有无限的内存，您可以为sizeof(type-of-element-in-array) / 8字节分配一个位数组，让每个位表示您是否已经遇到相应的值。
如果你不这样做，我想不出比遍历数组并将每个值与它后面的值进行比较，然后如果发现重复，则完全删除这些值更好的方法。这是在O(n^2)（或O((n^2-n)/2) ）附近的某个地方。
IBM 有一篇关于有点接近主题的文章。
让我们来看看：
在Java中我会这样解决它。不知道怎么用 C 写这个。
int length = array.length;
for (int i = 0; i < length; i++)
{
for (int j = i + 1; j < length; j++)
{
if (array[i] == array[j])
{
int k, j;
for (k = j + 1, l = j; k < length; k++, l++)
{
if (array[k] != array[i])
{
array[l] = array[k];
}
else
{
l--;
}
}
length = l;
}
}
}
这是天真的 (N*(N-1)/2) 解决方案。它使用恒定的额外空间并保持原始顺序。它类似于@Byju 的解决方案，但不使用任何if(){}块。它还避免了将元素复制到自身上。
#include <stdio.h>
#include <stdlib.h>
int numbers[] = {4, 8, 4, 1, 1, 2, 9};
#define COUNT (sizeof numbers / sizeof numbers[0])
size_t undup_it(int array[], size_t len)
{
size_t src,dst;
/* an array of size=1 cannot contain duplicate values */
if (len <2) return len;
/* an array of size>1 will cannot at least one unique value */
for (src=dst=1; src < len; src++) {
size_t cur;
for (cur=0; cur < dst; cur++ ) {
if (array[cur] == array[src]) break;
}
if (cur != dst) continue; /* found a duplicate */
/* array[src] must be new: add it to the list of non-duplicates */
if (dst < src) array[dst] = array[src]; /* avoid copy-to-self */
dst++;
}
return dst; /* number of valid alements in new array */
}
void print_it(int array[], size_t len)
{
size_t idx;
for (idx=0; idx < len; idx++) {
printf("%c %d", (idx) ? ',' :'{' , array[idx] );
}
printf("}\n" );
}
int main(void) {
size_t cnt = COUNT;
printf("Before undup:" );
print_it(numbers, cnt);
cnt = undup_it(numbers,cnt);
printf("After undup:" );
print_it(numbers, cnt);
return 0;
}
下面的呢？
int* temp = malloc(sizeof(int)*len);
int count = 0;
int x =0;
int y =0;
for(x=0;x<len;x++)
{
for(y=0;y<count;y++)
{
if(*(temp+y)==*(array+x))
{
break;
}
}
if(y==count)
{
*(temp+count) = *(array+x);
count++;
}
}
memcpy(array, temp, sizeof(int)*len);
我尝试声明一个临时数组并将元素放入其中，然后将所有内容复制回原始数组。
查看问题后，这是我的delphi方式，可能会有所帮助
var
A: Array of Integer;
I,J,C,K, P: Integer;
begin
C:=10;
SetLength(A,10);
A[0]:=1; A[1]:=4; A[2]:=2; A[3]:=6; A[4]:=3; A[5]:=4;
A[6]:=3; A[7]:=4; A[8]:=2; A[9]:=5;
for I := 0 to C-1 do
begin
for J := I+1 to C-1 do
if A[I]=A[J] then
begin
for K := C-1 Downto J do
if A[J]<>A[k] then
begin
P:=A[K];
A[K]:=0;
A[J]:=P;
C:=K;
break;
end
else
begin
A[K]:=0;
C:=K;
end;
end;
end;
//tructate array
setlength(A,C);
end;
以下示例应该可以解决您的问题：
def check_dump(x):
if not x in t:
t.append(x)
return True
t=[]
output = filter(check_dump, input)
print(output)
True
import java.util.ArrayList;
public class C {
public static void main(String[] args) {
int arr[] = {2,5,5,5,9,11,11,23,34,34,34,45,45};
ArrayList<Integer> arr1 = new ArrayList<Integer>();
for(int i=0;i<arr.length-1;i++){
if(arr[i] == arr[i+1]){
arr[i] = 99999;
}
}
for(int i=0;i<arr.length;i++){
if(arr[i] != 99999){
arr1.add(arr[i]);
}
}
System.out.println(arr1);
}
}
binary tree the disregards duplicates在-中插入所有元素O(nlog(n))。然后通过遍历 - 将它们全部提取回数组中O(n)。我假设您不需要订单保存。
在 JAVA 中，
Integer[] arrayInteger = {1,2,3,4,3,2,4,6,7,8,9,9,10};
String value ="";
for(Integer i:arrayInteger)
{
if(!value.contains(Integer.toString(i))){
value +=Integer.toString(i)+",";
}
}
String[] arraySplitToString = value.split(",");
Integer[] arrayIntResult = new Integer[arraySplitToString.length];
for(int i = 0 ; i < arraySplitToString.length ; i++){
arrayIntResult[i] = Integer.parseInt(arraySplitToString[i]);
}
输出：{ 1, 2, 3, 4, 6, 7, 8, 9, 10}
希望这会有所帮助
这可以通过单次完成，输入列表中的整数个数在 O(N) 时间内完成，唯一整数个数的存储时间为 O(N)。
从前到后遍历列表，将两个指针“dst”和“src”初始化为第一项。从“看到的整数”的空哈希表开始。如果 src 处的整数不存在于散列中，则将其写入 dst 处的槽并增加 dst。将 src 处的整数添加到哈希中，然后增加 src。重复直到 src 通过输入列表的末尾。
使用布隆过滤器进行散列。这将非常显着地减少内存开销。
创建一个BinarySearchTree具有 O(n) 复杂度的。
给定一个包含 n 个元素的数组，编写一个算法以在 O(nlogn) 时间内从数组中删除所有重复项
Algorithm delete_duplicates (a[1....n])
//Remove duplicates from the given array
//input parameters :a[1:n], an array of n elements.
{
temp[1:n]; //an array of n elements.
temp[i]=a[i];for i=1 to n
temp[i].value=a[i]
temp[i].key=i
//based on 'value' sort the array temp.
//based on 'value' delete duplicate elements from temp.
//based on 'key' sort the array temp.//construct an array p using temp.
p[i]=temp[i]value
return p.
使用“键”在输出数组中维护其他元素。考虑键的长度为 O(n)，对键和值执行排序所需的时间为 O(nlogn)。所以从数组中删除所有重复项所花费的时间是 O(nlogn)。
首先，您应该创建一个数组check[n]，其中 n 是您想要避免重复的数组元素的数量，并将每个元素（检查数组的）的值设置为等于 1。使用 for 循环遍历数组重复，说它的名字是arr，并在 for 循环中写下：
{
if (check[arr[i]] != 1) {
arr[i] = 0;
}
else {
check[arr[i]] = 0;
}
}
这样，您将每个重复项设置为零。所以剩下要做的就是遍历arr数组并打印不等于零的所有内容。订单保持不变，需要线性时间 (3*n)。
这就是我所拥有的，尽管它错位了我们可以按升序或降序排序以修复它的顺序。
#include <stdio.h>
int main(void){
int x,n,myvar=0;
printf("Enter a number: \t");
scanf("%d",&n);
int arr[n],changedarr[n];
for(x=0;x<n;x++){
printf("Enter a number for array[%d]: ",x);
scanf("%d",&arr[x]);
}
printf("\nOriginal Number in an array\n");
for(x=0;x<n;x++){
printf("%d\t",arr[x]);
}
int i=0,j=0;
// printf("i\tj\tarr\tchanged\n");
for (int i = 0; i < n; i++)
{
// printf("%d\t%d\t%d\t%d\n",i,j,arr[i],changedarr[i] );
for (int j = 0; j <n; j++)
{
if (i==j)
{
continue;
}
else if(arr[i]==arr[j]){
changedarr[j]=0;
}
else{
changedarr[i]=arr[i];
}
// printf("%d\t%d\t%d\t%d\n",i,j,arr[i],changedarr[i] );
}
myvar+=1;
}
// printf("\n\nmyvar=%d\n",myvar);
int count=0;
printf("\nThe unique items:\n");
for (int i = 0; i < myvar; i++)
{
if(changedarr[i]!=0){
count+=1;
printf("%d\t",changedarr[i]);
}
}
printf("\n");
}
这里写的一些答案非常简单（O（n ^ 2）或在O（NlogN）中排序和遍历），我假设这不是微软面试中所期望的。显然，任何高于 O(n) 的答案都不是他们想要的。更新声明不应该有任何辅助数据结构，因此任何有一个（哈希表、树、位数组或其他）的答案都不应该是有效的解决方案。
如果您可以分配额外的内存，那么 Jeff B 的答案可能是最简单的方法。对于此类问题，我有一个很好的答案，但 MAXINT 需要受数组大小的限制。（示例：大小为 100 的数组可能包含 1 到 100 之间的任何数字。删除 dups 作为原始问题）
在 O(n) 时间和 O(1) 内存中对此的答案是：
// FLAG ALL DUPS IN THE ORIGIN ARRAY
int maxNumInArray = findMaxNumInArray(arr);
int dup = findMinNumInArray(arr) - 1;
for (int i=0; i < arrLength; ++i) {
int seekIndex = arr[i] % (maxNumInArray+1);
if (arr[seekIndex] > maxNumInArray)
arr[i] = dup; // invalidate index
else
arr[seekIndex] = arr[seekIndex] + maxNumInArray;
}
// REMOVE EMPTY SPACES
int i = 0;
int j = arrLength(arr)-1;
while (i<j) {
while (arr[i] != dup)
++i;
while (arr[j] == dup)
--j;
swap(arr[i], arr[j]);
}
如果您不知道界限，我的答案没有用，但您可以尝试使用它。哦，这个特定的变化不适用于负数，但修复它不是问题。
对于想要在 C++ 中获得简单解决方案的人：
int* rmdup(int path[], int start, int end, int& newEnd) {
int ret[100];
newEnd = end;
int j = start;
for (int i = start; i < end; i++) {
if (path[i] == path[i+1]) {
newEnd--;
continue;
}
ret[j++] = path[i];
}
ret[j++] = path[end];
for(int i = start; i <= newEnd; i++)
path[i] = ret[i];
}
如果你有一个好的 DataStructure 可以快速判断它是否包含整数，那就太酷了。也许是某种树。
DataStructure elementsSeen = new DataStructure();
int elementsRemoved = 0;
for(int i=0;i<array.Length;i++){
if(elementsSeen.Contains(array[i])
elementsRemoved++;
else
array[i-elementsRemoved] = array[i];
}
array.Length = array.Length - elementsRemoved;
只需获取一个变量x=arr[0]并通过遍历其余元素进行异或操作。如果一个元素重复了，那么 x 将变为零。
这样我们就知道元素之前已经重复了。这也只需要o(n)扫描原始数组中的所有元素。
Integer[] arrayInteger = {1,2,3,4,3,2,4,6,7,8,9,9,10};
Set set = new HashSet();
for(Integer i:arrayInteger)
set.add(i);
System.out.println(set);