leetcode352. Data Stream as Disjoint Intervals

题目要求

Given a data stream input of non-negative integers a1, a2, ..., an, ..., summarize the numbers seen so far as a list of disjoint intervals.

For example, suppose the integers from the data stream are 1, 3, 7, 2, 6, ..., then the summary will be:

[1, 1]
[1, 1], [3, 3]
[1, 1], [3, 3], [7, 7]
[1, 3], [7, 7]
[1, 3], [6, 7]

**Follow up:**

What if there are lots of merges and the number of disjoint intervals are small compared to the data stream's size?

这里面提到了一个disjoint interval的概念,它是指不相交的区间。如果新来的数据与当前的区间集产生了重合,则需要将当前的区间集进行合并。从而确保每次得到的数据集都是不相交的。

思路和代码

这道题目整体来说有两种思路,一种就是每次插入数据的时候将出现交集的区间进行合并,另一种就是在插入数据时只更新区间的范围,并不将区间合并。

这两种方案在不同特点的数据集下各有优势。第一种方法适用于数据量大区间集少的场景。因为区间集少,而每次合并带来的区间集的数据移动成本较低。后者则刚好相反,适用于区间集较多的场景,只有在读取区间集的时候,去触发合并操作。

这里是采用方案一来实现的。如果我们维护了一组有序的区间集,这时数据流中传来一个新的数字,则该数字和区间流中的区间一共有如下几种情况:

  1. 正好命中某个区间,则不做任何处理
  2. 小于区间最左值减1,则新增左侧区间
  3. 等于区间最左值减1,则修改区间最左值为val
  4. 大于区间最有值加1, 则新增右侧区间
  5. 等于区间最右值加1,则修改区间最右值为val
  6. 等于某个区间的右值加1且等于某个区间的左值减1,则合并两个区间
  7. 大于某个区间的右值加一且等于某个区间的左值减一,则在两个区间中新增一个区间
  8. 等于某个区间的右值加1,则修改区间右值为val
  9. 等于某个区间的左值减1,则修改区间左值为val

代码如下:

    List pairs = new ArrayList<>();
    public void addNum(int val) {
        if (pairs.size() == 0) {
            pairs.add(new Pair(val, val));
            return;
        }
        int left = 0, right = pairs.size() - 1;
        while (left <= right) {
            int mid = (left + right) / 2;
            if (pairs.get(mid).left < val) {
                left = mid + 1;
            }else if (pairs.get(mid).left > val) {
                right = mid - 1;
            }else {
                return;
            }
        }


        if (left == 0) {
            if (pairs.get(left).left == val + 1) {
                pairs.get(left).left = val;
            }else {
                pairs.add(0, new Pair(val, val));
            }
        } else if (left == pairs.size()) {
            if (pairs.get(left-1).right == val - 1) {
                pairs.get(left-1).right = val;
            }else if (pairs.get(left-1).right < val - 1) {
                pairs.add(new Pair(val, val));
            }
        }else if (pairs.get(left-1).right == val - 1 && pairs.get(left).left == val + 1) {
            pairs.get(left-1).right = pairs.get(left).right;
            pairs.remove(left);
        }else if (pairs.get(left-1).right == val - 1) {
            pairs.get(left - 1).right = val;
        }else if (pairs.get(left).left == val + 1) {
            pairs.get(left).left = val;
        }else if (pairs.get(left-1).right < val){
            pairs.add(left, new Pair(val, val));
        }
    }

    public int[][] getIntervals() {
        int[][] result = new int[pairs.size()][2];
        for (int i = 0 ; i < pairs.size() ; i++) {
            result[i][0] = pairs.get(i).left;
            result[i][1] = pairs.get(i).right;
        }
        return result;
    }

    public static class Pair{
        int left;
        int right;

        public Pair(int left, int right) {
            this.left = left;
            this.right = right;
        }
    }

上面的代码新建了类Pair作为区间的对象。然后使用List对区间Pair按照从小到大存储。每次调用addNum传入val时,都会利用二分法找到左边界比val大的最近的区间。找到该区间后再按照上文的判断方式逐个处理。假设数据流大小为n,区间的平均大小为m,则这种方法的时间复杂度为O(lgM*n)。但是因为判断逻辑较多,因此代码显得凌乱,可读性很差。

这里可以使用TreeMap进行优化,TreeMap默认上是最小堆的实现,它帮我们省去了大量二分法的逻辑,同时在插入区间的时候,时间复杂度也降低到O(NlgN)。只需要对边界场景进行判断即可。代码如下:

    TreeMap treeMap = new TreeMap<>();

    public void addNum(int val) {
        if (treeMap.containsKey(val)) {
            return;
        }
        Integer lowerKey = treeMap.lowerKey(val);
        Integer higherKey = treeMap.higherKey(val);
        if (lowerKey != null && higherKey != null && treeMap.get(lowerKey) == val - 1 && higherKey == val + 1) {
            treeMap.put(lowerKey, treeMap.get(higherKey));
            treeMap.remove(higherKey);
        }else if (lowerKey != null && treeMap.get(lowerKey) >= val - 1) {
            treeMap.put(lowerKey, Math.max(val, treeMap.get(lowerKey)));
        }else if (higherKey != null && higherKey == val + 1) {
            treeMap.put(val, treeMap.get(higherKey));
            treeMap.remove(higherKey);
        }else {
            treeMap.put(val, val);
        }
    }

    public int[][] getIntervals() {
        int[][] result = new int[treeMap.size()][2];
        int index = 0;
        for (int key : treeMap.keySet()){
            result[index][0] = key;
            result[index][1] = treeMap.get(key);
        }
        return result;
    }

你可能感兴趣的:(java,leetcode,map,binary-search)