当前位置: 首页 > news >正文

【位运算】只出现一次的数字 II

文章目录

  • 137. 只出现一次的数字 II
  • 解题思路一:借用数组的位运算
  • 解法二:不使用数组的位运算

在这里插入图片描述

137. 只出现一次的数字 II

137. 只出现一次的数字 II

​ 给你一个整数数组 nums ,除某个元素仅出现 一次 外,其余每个元素都恰出现 **三次 。**请你找出并返回那个只出现了一次的元素。

​ 你必须设计并实现线性时间复杂度的算法且使用常数级空间来解决此问题。

示例 1:

输入:nums = [2,2,3,2]
输出:3

示例 2:

输入:nums = [0,1,0,1,0,1,99]
输出:99

提示:

  • 1 <= nums.length <= 3 * 104
  • -231 <= nums[i] <= 231 - 1
  • nums 中,除某个元素仅出现 一次 外,其余每个元素都恰出现 三次

解题思路一:借用数组的位运算

​ 原理很简单,一个数字每个比特位最大的数字就是 1,那么我们把每个数字的每一比特位累加到数组中对应的下标元素处,然后判断这些元素中,哪些是 3 的整数倍的,如果是 3 的整数倍的话,说明就是出现了 3 次的元素,而如果不是的话,说明那个出现了一次的元素的比特位在该位置上也出现过,所以我们就用一个变量记录下这个位,以此循环,最后得到的就是那个出现一次的元素!

在这里插入图片描述

class Solution {
public:int singleNumber(vector<int>& nums) {int hash[32] = { 0 };// 将每个数字的每一比特位都累加到n的每一比特位上for(int i = 0; i < nums.size(); ++i){for(int j = 0; j < 32; ++j){if((nums[i] >> j) & 1)hash[j]++;}}// 将hash中模3不为0的比特位设置到ret对应位置int ret = 0;for(int i = 0; i < 32; ++i){if(hash[i] % 3 != 0)ret |= (1 << i);}return ret;}
};

解法二:不使用数组的位运算

​ 上面这种做法虽然时间复杂度是 O(n),但是空间复杂度也是 O(n),其实我们可以 直接用一个变量,通过位运算来达到同样的效果,还能做到节省空间!

​ 和上面的题解不太一样的是,因为我们使用的是一个变量,那么该变量每个比特位最多也就是 1,不能拿来累加多次,所以我们 必须先判断每个数的每一位出现了多少次,遍历完所有数的一个比特位之后,如果该位出现了不是 3 的倍数,则说明出现一次的数在该为也出现了,然后再将该为按位或到变量的该比特位上!

​ 具体细节看代码:

class Solution {
public:int singleNumber(vector<int>& nums) {int n = 0;// 先遍历每一个数的每一比特位,看看一共出现多少次for(int i = 0; i < 32; ++i){int count = 0; // 用于统计该比特位出现了多少次1for(int j = 0; j < nums.size(); ++j){if((nums[j] >> i) & 1) // 只有该比特位出现1才处理count++;}if(count % 3 != 0) // 如果出现了不是3的倍数,则说明出现一次的数在该为也出现了n |= (1 << i);}return n;}
};

在这里插入图片描述

相关文章:

【位运算】只出现一次的数字 II

文章目录 137. 只出现一次的数字 II解题思路一&#xff1a;借用数组的位运算解法二&#xff1a;不使用数组的位运算 137. 只出现一次的数字 II 137. 只出现一次的数字 II ​ 给你一个整数数组 nums &#xff0c;除某个元素仅出现 一次 外&#xff0c;其余每个元素都恰出现 **…...

模型开发中的微调是干什么

在模型开发中&#xff0c;微调&#xff08;Fine-tuning&#xff09; 是指利用预训练模型&#xff08;Pre-trained Model&#xff09;的参数作为初始值&#xff0c;在特定任务或数据集上进一步调整模型参数的过程。它是迁移学习&#xff08;Transfer Learning&#xff09;的核心…...

leetcode 204. Count Primes

题目描述 这是道纯数学类问题。 先回忆一下&#xff0c;素数的定义。 质数&#xff08;英文名&#xff1a;Prime number&#xff09;又称素数&#xff0c;是指在大于1的自然数中&#xff0c;除了1和它本身以外不再有其他因数的自然数。 质数又称素数。一个大于1的自然数&…...

fastadmin后端添加页面,自主控制弹出框关闭,关闭父页面弹框

Form.api.bindevent($(“form[roleform]”), (data, ret) > { 重写绑定事件,返回false即可 注意:只有返回code1才能拦截,其他值不进行拦截 add: function () {//获取当前search里面的type值var type location.search.split(type)[1];Form.api.bindevent($("form[role…...

LeetCode 255 超通俗讲解:Swift 验证前序是否 BST

文章目录 摘要描述题解答案题解代码分析核心点解释&#xff1a; 示例测试及结果时间复杂度空间复杂度总结未来展望 摘要 在做算法题的时候&#xff0c;树相关的题总是“神神叨叨”的&#xff0c;但其实抓住核心规则&#xff0c;它们也挺有逻辑的。今天这题——LeetCode 255&am…...

Win32++ 使用初探

文章目录 1. 环境要求2. Win32安装3. 项目创建3.1 项目创建&#xff08;1&#xff09;直接使用Win32里的示例Sample&#xff08;2&#xff09;自行创建项目 最近想用 VC写些 UI&#xff0c;但又不太想用 MFC&#xff0c;正好对界面要求不太高&#xff0c;就使用了一下 Win3…...

求解时间复杂度

1.设 t 法 当求解出现while循环时&#xff0c;设t求解 void fun(int n) {int i 1;while(i < n)i i * 2; } 解法&#xff1a; 1.设循环次数为t&#xff1b; 2.将while循环中的语句展开到循环t次 1 2 3 …… t 2 2^2 2^3 …… 2^t 3.跳出循环 2^t > n …...

深度解析:如何高效识别并定位问题关键词

什么是问题关键词&#xff1f; 问题关键词是人们在搜索引擎中输入以查找信息、答案或解决方案的问题。这些查询以问题指示符开头&#xff0c;例如&#xff1a; who、what、where、when、why、how、which、will、would、should、can、could、is、are、was、were、do、does 或 d…...

c++小做——完全数

今天&#xff0c;我们来写一个完全数的代码 首先是 long long n; cin>>n; &#xff08;you~输入的数&#xff09; 然后是 long long b0;//因数的和 long long cnt0;//计数器 接着是 for(long long i2;i<n-1;i) {} 在里面插入 bb-i;再写一个for for(int a1;a&…...

GGML源码逐行调试(下)

目录 前言1. 简述2. 预分配计算图内存2.1 创建图内存分配器2.2 构建最坏情况的计算图2.3 预留计算图内存 3. 分词4. 模型推理与生成4.1 模型推理4.2 采样 结语下载链接参考 前言 学习 UP 主 比飞鸟贵重的多_HKL 的 GGML源码逐行调试 视频&#xff0c;记录下个人学习笔记&#x…...

JavaScript学习教程,从入门到精通, JavaScript 函数全面解析与案例实践(11)

JavaScript 函数全面解析与案例实践 项目导读 JavaScript 函数是编程中的核心概念&#xff0c;是执行特定任务的代码块。本教程将全面讲解函数的定义、参数、返回值及调用方式&#xff0c;并通过实际案例加深理解。 学习目标 掌握 JavaScript 函数的定义与调用方法理解函数…...

音视频之H.265/HEVC编码框架及编码视频格式

一、编码框架&#xff1a; H.265/HEVC采用混合编码框架&#xff0c;包括变换、量化、熵编码、帧内预测、帧预测以及环路滤波等模块。但是&#xff0c;H.265/HEVC几乎在每个模块都引入了新的编码技术。 1、帧内预测&#xff1a; 该模块主要用于去除图像的空间相关性。通过编码后…...

栈与队列:两种经典线性数据结构的深度解析

一、栈&#xff1a;LIFO 特性的完美诠释 &#xff08;一&#xff09;核心概念与抽象模型 定义与特性 栈是一种严格遵循后进先出&#xff08;LIFO&#xff09;原则的线性数据结构&#xff0c;其操作被限制在栈顶&#xff08;Top&#xff09;进行。形象化理解&#xff1a;如同堆…...

0x01、Redis 主从复制的实现原理是什么?

Redis 主从复制概述 Redis 的主从复制是一种机制&#xff0c;允许一个主节点&#xff08;主实例&#xff09;将数据复制到一个或多个从节点&#xff08;从实例&#xff09;。通过这一机制&#xff0c;从节点可以获取主节点的数据并与之保持同步。 复制流程 开始同步&#xf…...

Python实现贪吃蛇一

贪吃蛇是一款经典的小游戏&#xff0c;最近尝试用Python实现它。先做一个基础版本实现以下目标&#xff1a; 1、做一个按钮&#xff0c;控制游戏开始 2、按Q键退出游戏 3、右上角显示一个记分牌 4、随机生成一个食物&#xff0c;蛇吃到食物后长度加一&#xff0c;得10分 5、蛇碰…...

01-libVLC的视频播放器:环境搭建以及介绍

项目展示项目播放器 VLC简介VLC媒体播放器(VideoLAN Client)是一款开源、跨平台的自由多媒体播放器,由VideoLAN项目开发。它支持众多音频与视频格式(如MPEG-2、MPEG-4、H.264、MKV、WebM、WMV、MP3等),以及DVD、VCD和各种流媒体协议。 VLC的特点跨平台支持:Windows、mac…...

linux内核升级

这里介绍一下linux内核升级 因为需要搭建k8s集群内核内核版本过低会导致集群出现问题&#xff0c;为了避免问题发生我们对集群内核进行升级处理 这个是我目前本身的内核版本 用了很多的镜像站去进行更新发现更新不了&#xff08;阿里云不能用了&#xff0c;貌似是删除了&…...

电感详解:定义、作用、分类与使用要点

一、电感的基本定义 电感&#xff08;Inductor&#xff09; 是由导线绕制而成的储能元件&#xff0c;其核心特性是阻碍电流变化&#xff0c;将电能转化为磁能存储。 基本公式&#xff1a; 自感电动势&#xff1a; E -L * (di/dt) &#xff08;L&#xff1a;电感值&#xff0c…...

扩散模型简介

扩散模型简介 基本原理 扩散模型是一种基于概率扩散过程的生成模型&#xff0c;其核心思想是通过正向扩散过程和反向去噪过程生成数据&#xff1a; 正向扩散过程&#xff1a;从真实数据&#xff08;如图像&#xff09;开始&#xff0c;逐步添加高斯噪声&#xff0c;最终将数据…...

MySQL安装实战分享

一、在 Windows 上安装 MySQL 1. 下载 MySQL 安装包 访问 MySQL 官方下载页面。选择适合你操作系统的版本。一般推荐下载 MySQL Installer。 2. 运行安装程序 双击下载的安装文件&#xff08;例如 mysql-installer-community-<version>.msi&#xff09;。如果出现安全…...

掌握 Git 的十大基础命令

李升伟 编译 在 IT 领域&#xff0c;很少有技术能像 Git 一样占据绝对主导地位&#xff0c;几乎无人能及。Git 在软件开发中扮演着核心角色&#xff0c;其影响力之大甚至让其他版本控制系统&#xff08;如 SVN 和 Mercurial&#xff09;几乎被淘汰。如今&#xff0c;我们已难以…...

58-使用wordpress快速创建个人网站

直接找台可以联网的linux&#xff08;我的环境是rocky8.9&#xff09;一顿运行&#xff0c;思路就是安装docker&#xff0c;然后启动一个数据库&#xff0c;然后启动一个wordpress&#xff0c;然后就是把端口暴露出来。 227 yum remove podman 228 yum install -y yum-utils…...

若依前后端分离版运行教程、打包教程、部署教程

后端打包教程 注意&#xff1a;需要先运行redis 2、前端运行教程 2.1安装依赖 2.2运行 打开浏览器查看,地址&#xff1a;http://localhost:80 3、前端打包教程 3.1打包 3.2运行打包好的文件&#xff0c;先找到打包好的文件 这是nginx的文件结构 将打包好的文件放到html目录下…...

【Python3教程】Python3基础篇之数据结构

博主介绍:✌全网粉丝22W+,CSDN博客专家、Java领域优质创作者,掘金/华为云/阿里云/InfoQ等平台优质作者、专注于Java技术领域✌ 技术范围:SpringBoot、SpringCloud、Vue、SSM、HTML、Nodejs、Python、MySQL、PostgreSQL、大数据、物联网、机器学习等设计与开发。 感兴趣的可…...

transformers的 pipeline是什么:将模型加载、数据预处理、推理等步骤进行了封装

transformers的 pipeline是什么:将模型加载、数据预处理、推理等步骤进行了封装 pipe = pipeline("text-generation", model=model, tokenizer=tokenizer, max_new_tokens=50 )pipeline :这是 transformers 库中一个非常实用的工具函数。它可以基于预训练模型快速构…...

十七、TCP编程

TCP 编程是网络通信的核心&#xff0c;其 API 围绕面向连接的特性设计&#xff0c;涵盖服务端和客户端的交互流程。以下是基于 ​C 语言的 TCP 编程核心 API 及使用流程的详细解析&#xff1a; 核心 API 概览 ​函数​角色​描述socket()通用创建套接字&#xff0c;指定协议族…...

Obsidian 技巧篇

Obsidian 技巧篇 本篇文章主要汇总分享几个 Ob 中好用的小技巧&#xff0c;包括嵌入视频播放、文本颜色设置、插入大纲、Mermaid 绘制图形。原文见于&#xff1a;Obsidian技巧篇。 嵌入视频播放 <iframe width"860" height"700" src"https://ww…...

使用Fortran读取HDF5数据

使用Fortran读取HDF5数据 下面我将介绍如何在Fortran中读取HDF5文件中的各种类型数组数据&#xff0c;包括一维数组、二维数组、元数组和变长数组。 准备工作 首先需要确保系统安装了HDF5库&#xff0c;并且在编译时链接了HDF5库。例如使用gfortran编译时&#xff1a; gfor…...

L36.【LeetCode题解】查找总价格为目标值的两个商品(剑指offer:和为s的两个数字) (双指针思想,内含详细的优化过程)

目录 1.LeetCode题目 2.分析 方法1:暴力枚举(未优化的双指针) 方法2:双指针优化:利用有序数组的单调性 版本1代码 提问:版本1代码有可以优化的空间吗? 版本2代码 提问:版本2代码有可以优化的空间吗? 版本3代码(★推荐★) 3.牛客网题目:和为s的数字 1.LeetCode题目 …...

mysql 商城商品属性开发的动态解决方案

终极方案&#xff1a;动态属性解决方案 推荐使用 JSON 字段 虚拟列索引 的组合方案 结合灵活存储与查询优化&#xff0c;平衡扩展性与性能 完整实现步骤 步骤 1&#xff1a;创建基础表结构 CREATE TABLE products (id INT PRIMARY KEY AUTO_INCREMENT,name VARCHAR(100) NO…...

Java递归练习----猴子偷桃

问题&#xff1a; 有一堆桃子&#xff0c;猴子第一天吃灵其中的一般&#xff0c;并在多吃了一个&#xff01;以后每天猴子都吃其中的一半&#xff0c;然后多吃一个。当到第十天时&#xff0c;想再吃时&#xff08;即还没吃&#xff09;&#xff0c;发现只有1个桃子了&#xff…...

[干货]PHM学习软件|PHM预测性维护系统

使用步骤教程如下 1、登录 用户名&#xff1a;52phm 密码&#xff1a;xxx &#xff08;区别在于不同用户密钥不一样&#xff09; 2、上传需要分析的数据集 支持数据集格式&#xff1a;csv、xlsx、xls、mat、json 3、主题1&#xff1a;机械参数计算 计算轴承、齿轮、皮带的…...

详解正则表达式中的?:、?= 、 ?! 、?<=、?<!

1、?: - 非捕获组 语法: (?:pattern) 作用: 创建一个分组但不捕获匹配结果&#xff0c;不会将匹配的文本存储到内存中供后续使用。 优势: 提高性能和效率 不占用编号&#xff08;不会影响后续捕获组的编号&#xff09; 减少内存使用 // 使用捕获组 let regex1 /(hell…...

Java常见面试问题

一.Liunx 二.Java基础 1.final 2.static 3.与equals 三.Collection 1.LIst 2.Map 3.Stream 四、多线程 1.实现方法 2.线程池核心参数 3.应用场景 五、JVM 1.堆 2.栈 六、Spring 1.面向对象 2.IOC 3.AOP 七、Springboot 1.自动装配 八、SpringCloud 1.Nacos 2.seata 3.ga…...

C#MQTT协议服务器与客户端通讯实现(客户端包含断开重连模块)

C#MQTT协议服务器与客户端通讯实现 1 DLL版本2 服务器3 客户端 1 DLL版本 MQTTnet.DLL版本-2.7.5.0 基于比较老的项目中应用的DLL&#xff0c;其他更高版本变化可能较大&#xff0c;谨慎参考。 2 服务器 开启服务器 关闭服务器 绑定事件【客户端连接服务器事件】 绑定事件【客户…...

GGML源码逐行调试(上)

目录 前言1. 简述2. 环境配置3. ggml核心概念3.1 gguf3.2 ggml_tensor3.3 ggml_backend_buffer3.4 ggml_context3.5 backend3.6 ggml_cgraph3.7 ggml_gallocr 4. 推理流程整体梳理4.1 时间初始化与参数设置4.2 模型加载与词汇表构建4.3 计算图与内存分配4.4 文本预处理与推理过…...

智能测试用例生成:老旧平台页面查询功能的大模型改造

引言 由于GUI小工具【Deepseek APIPython 测试用例一键生成与导出】的不断升级实践&#xff0c;发现大模型的需求文档解析生成测试用例的可直接复用率不太理想&#xff0c;因此萌生了对老旧系统升级改造的想法。旧测试用例生成平台主要在于采集用户输入的字段名称、字段类型及…...

使用Python解决Logistic方程

引言 在数学和计算机科学中,Logistic 方程是描述人口增长、传播过程等现象的一种常见模型。它通常用于表示一种有限资源下的增长过程,比如动物种群、疾病传播等。本文将带领大家通过 Python 实现 Logistic 方程的求解,帮助你更好地理解这一经典数学模型。 1.什么是 Logist…...

文件上传基本原理靶场实现

一. 漏洞原理 未经验证的上传机制&#xff1a; 应用程序未对用户上传的文件进行充分验证&#xff0c;包括&#xff1a; 文件类型/扩展名&#xff1a;仅依赖客户端提交的MIME类型或简单检查扩展名&#xff08;如.jpg&#xff09;&#xff0c;但未验证文件实际内容。 文件内容&a…...

灰色预测模型:GM(1,1)预测模型

灰色预测模型 灰色预测的主要特点是模型使用的不是原始数据序列&#xff0c;而是生成的数据序列。核心体系是灰色模型&#xff0c;即对原始数据作累加生成&#xff08;或其他方法生成&#xff09;得到近似的指数规律再进行建模的方法&#xff0c;优点是不需要很多的数据&#…...

SPORT(Serial Port)接口

SPORT&#xff08;Serial Port&#xff09;接口是DSP芯片中常用的高速同步串行通信接口&#xff0c;主要用于与外部设备&#xff08;如ADC、DAC、编解码器等&#xff09;进行数据传输。以下是对SPORT接口的详细介绍&#xff1a; 1. SPORT接口概述 SPORT接口设计用于高效传输连…...

Python及C++中的字典

一、Python中的字典 &#xff08;一&#xff09;基本概念 字典&#xff08;dict&#xff09;是Python中一种可变容器模型&#xff0c;用于存储键值对&#xff08;key:value&#xff09;。字典的键必须是不可变类型&#xff08;如字符串、数字或元组&#xff09;&#xff0c;而…...

Neo4j GDS-11-neo4j GDS 库中相似度算法实现

neo4j GDS 系列 Neo4j APOC-01-图数据库 apoc 插件介绍 Neo4j GDS-01-graph-data-science 图数据科学插件库概览 Neo4j GDS-02-graph-data-science 插件库安装实战笔记 Neo4j GDS-03-graph-data-science 简单聊一聊图数据科学插件库 Neo4j GDS-04-图的中心性分析介绍 Neo…...

网络互连与互联网2

1.IP数据报首部在IHL 字段的最小值为5 2.三层交换机包括二层交换和三层转发&#xff0c;二层交换由硬件实现&#xff0c;三层转发采用软件实现 3.在BGP路由选择协议中&#xff0c;AS_PATH属性可以避免在AS之间产生环路 4.常用的电子邮件协议&#xff1a;SMTP&#xff08;25&…...

4月12日随笔

今天大风天气的第一天&#xff0c;周六&#xff0c;早上九点半起来听了排球技术台培训。结果一天都没顾得上看教学视频。黄老师说有排球基础的可以试试当主裁&#xff0c;那一定要争取一下&#xff01; 上午看了两集小排球&#xff0c;然后开始了解一些中介相关信息。因为下午…...

web自动化测试

自动化测试理论 UI&#xff1a;User Interface&#xff08;用户接口-用户界面&#xff09;&#xff0c;主要包括&#xff1a;app、web ui自动化测试&#xff1a;使用工具或代码执行用例的过程 什么样的项目适合做自动化 1、需要回归测试项目&#xff08;甲方自营项目、金…...

代码随想录二叉树小结1;(递归与迭代法小结)

一、递归遍历 1.递归算法三要素&#xff1a; 确定递归函数的参数和返回值&#xff1a; 在递归函数里加上递归的过程中需要处理的参数&#xff0c; 然后明确每次递归的返回值是什么&#xff0c;最后确定递归函数的返回类型。 确定终止条件&#xff1a; 递归算法运行的时候&…...

Audacity命令:“播录”菜单相关命令

1 Audacity命令&#xff1a;“播录”菜单相关命令 1.1 播录菜单 播录菜单中的命令可让您播放、停止、循环播放、擦洗音频或录制音频&#xff08;包括定时录制和声控录制&#xff09;。 Scripting IdActionParameters描述RescanDevice:Rescan Audio Devicesnone重新扫描连接到…...

Python及C++中的集合

1. Python 中的集合&#xff08;set&#xff09; 1.1 特性 无序性&#xff1a;集合中的元素没有顺序&#xff0c;不能通过索引访问。唯一性&#xff1a;集合中的元素不能重复&#xff0c;如果尝试添加重复的元素&#xff0c;集合会自动忽略。可变性&#xff1a;集合是可变的&…...

[CF2086E] Zebra-like Numbers 题解

确简单的啊&#xff0c;可是自己就是想不到。 考虑计算一个数的斑马值。贪心地&#xff0c;尽量选大的斑马数减即可。 考虑 DP&#xff0c;设 d p i , j dp_{i, j} dpi,j​ 表示 [ 1 , i ] [1, i] [1,i] 中斑马值为 j j j 的数的个数。那么显然有 d p i , j d p i − m …...