哈希表与二分查找优化二元组统计问题

发布时间：2026/11/4 21:06:19
哈希表与二分查找优化二元组统计问题

1. 题目背景与核心需求

这道来自蚂蚁集团2026年春招的编程题，考察的是对二元组数据的处理能力。题目描述如下：

给定两个整数数组nums1和nums2，统计满足以下条件的二元组(i,j)的数量：

  1. nums1[i] == nums2[j]
  2. i < j

这类问题在实际开发中非常常见，比如在电商系统中匹配用户行为日志、在推荐系统中对齐用户画像特征等。理解这类问题的解法，对处理真实业务中的数据集对齐场景很有帮助。

2. 暴力解法与复杂度分析

最直观的解法是双层循环遍历：

def count_pairs(nums1, nums2): count = 0 for i in range(len(nums1)): for j in range(len(nums2)): if nums1[i] == nums2[j] and i < j: count += 1 return count

时间复杂度：O(n²)
空间复杂度：O(1)

虽然这种解法在小数据量时可行，但在面试中显然不够理想。蚂蚁的面试题通常期望候选人能给出更优解。

3. 哈希表优化解法

我们可以利用哈希表来优化时间复杂度：

from collections import defaultdict def count_pairs(nums1, nums2): num_map = defaultdict(list) for idx, num in enumerate(nums2): num_map[num].append(idx) count = 0 for i, num in enumerate(nums1): if num in num_map: # 找到nums2中所有等于nums1[i]且位置大于i的j for j in num_map[num]: if i < j: count += 1 return count

时间复杂度：O(n+m)，其中n和m分别是两个数组的长度
空间复杂度：O(m)，用于存储nums2的索引

4. 进一步优化：二分查找

当nums2中存在大量重复元素时，可以进一步优化：

import bisect def count_pairs(nums1, nums2): num_map = defaultdict(list) for idx, num in enumerate(nums2): num_map[num].append(idx) count = 0 for i, num in enumerate(nums1): if num in num_map: # 使用二分查找找到第一个大于i的位置 indices = num_map[num] pos = bisect.bisect_right(indices, i) count += len(indices) - pos return count

时间复杂度：O(n log m)
空间复杂度：O(m)

5. 多语言实现对比

5.1 Java实现

import java.util.*; public class Solution { public int countPairs(int[] nums1, int[] nums2) { Map<Integer, List<Integer>> numMap = new HashMap<>(); for (int j = 0; j < nums2.length; j++) { numMap.computeIfAbsent(nums2[j], k -> new ArrayList<>()).add(j); } int count = 0; for (int i = 0; i < nums1.length; i++) { if (numMap.containsKey(nums1[i])) { List<Integer> indices = numMap.get(nums1[i]); int pos = Collections.binarySearch(indices, i); if (pos < 0) pos = -pos - 1; count += indices.size() - pos; } } return count; } }

5.2 C++实现

#include <vector> #include <unordered_map> #include <algorithm> using namespace std; int countPairs(vector<int>& nums1, vector<int>& nums2) { unordered_map<int, vector<int>> numMap; for (int j = 0; j < nums2.size(); ++j) { numMap[nums2[j]].push_back(j); } int count = 0; for (int i = 0; i < nums1.size(); ++i) { if (numMap.find(nums1[i]) != numMap.end()) { auto& indices = numMap[nums1[i]]; auto it = upper_bound(indices.begin(), indices.end(), i); count += distance(it, indices.end()); } } return count; }

5.3 Python实现（最终优化版）

from collections import defaultdict import bisect def count_pairs(nums1, nums2): num_map = defaultdict(list) for idx, num in enumerate(nums2): num_map[num].append(idx) count = 0 for i, num in enumerate(nums1): if num in num_map: indices = num_map[num] pos = bisect.bisect_right(indices, i) count += len(indices) - pos return count

6. 测试用例设计

全面的测试用例应该包括：

test_cases = [ # 基础测试 ([1,2,3], [1,2,3], 3), ([1,1,1], [1,1,1], 6), # 边界测试 ([], [], 0), ([1], [2], 0), # 特殊测试 ([1,2,3], [3,2,1], 1), ([1,2,2], [2,2,2], 4), # 大数据测试 (list(range(10000)), list(range(10000)), 49995000) ] for nums1, nums2, expected in test_cases: assert count_pairs(nums1, nums2) == expected

7. 性能优化思考

在实际业务场景中，还可以考虑以下优化方向：

  1. 如果数组已经排序，可以使用双指针法进一步优化
  2. 对于特别大的数据集，可以考虑分块处理或使用布隆过滤器
  3. 在多线程环境下，可以将哈希表的构建和查询过程并行化

8. 常见面试问题

面试官可能会追问：

  1. 如何处理数据量特别大的情况？
  2. 如果nums2不能全部放入内存怎么办？
  3. 如何将这个算法扩展到分布式环境？

9. 实际业务应用

这类算法在以下场景中有广泛应用：

  1. 用户行为分析：匹配不同时间段的用户行为
  2. 推荐系统：对齐用户和物品的特征
  3. 数据清洗：找出不同数据源中的匹配项

10. 编码规范建议

在面试中写代码时要注意：

  1. 先明确输入输出和边界条件
  2. 写注释说明算法思路
  3. 变量命名要有意义
  4. 处理可能的异常情况

11. 复杂度分析进阶

对于更复杂的情况，可以考虑：

  1. 预处理时间复杂度
  2. 查询时间复杂度
  3. 空间复杂度的权衡
  4. 数据分布对算法性能的影响

12. 算法选择策略

选择算法时需要考虑：

  1. 数据规模
  2. 数据分布特征
  3. 内存限制
  4. 是否需要支持动态更新

13. 在线测试技巧

在在线编程平台测试时：

  1. 先通过所有示例测试用例
  2. 添加自己的边界测试
  3. 测试大数据量下的表现
  4. 检查内存使用情况

14. 面试评分标准

这类题目通常会考察：

  1. 基础编码能力
  2. 算法优化思路
  3. 代码规范性
  4. 问题分析能力
  5. 沟通表达能力

15. 学习资源推荐

想深入掌握这类问题可以学习：

  1. 《算法导论》中的哈希表相关章节
  2. LeetCode上的Two Sum系列题目
  3. 系统设计中的数据处理模式
  4. 分布式算法中的数据分片技术

16. 个人实战建议

根据我的面试经验：

  1. 先写出暴力解法，再逐步优化
  2. 主动分析时间/空间复杂度
  3. 讨论可能的优化方向
  4. 考虑实际业务中的约束条件
  5. 保持代码整洁和可读性