3
无重复字符的最长子串
中等高频
146
LRU缓存机制
中等高频
206
反转链表
简单高频
215
数组中的第K个最大元素
中等高频
25
K个一组翻转链表
困难高频
15
三数之和
中等高频
53
最大子数组和
中等高频
912
排序数组
中等高频
21
合并两个有序链表
简单高频
5
最长回文子串
中等高频
200
岛屿数量
中等高频
33
搜索旋转排序数组
中等高频
46
全排列
中等高频
88
合并两个有序数组
简单高频
20
有效的括号
简单高频
121
买卖股票的最佳时机
简单高频
236
二叉树的最近公共祖先
中等高频
92
反转链表 II
中等高频
103
二叉树的锯齿形层序遍历
中等高频
141
环形链表
简单高频
300
最长上升子序列
中等高频
54
螺旋矩阵
中等高频
143
重排链表
中等高频
23
合并K个排序链表
困难高频
415
字符串相加
简单高频
56
合并区间
中等高频
160
相交链表
简单高频
42
接雨水
困难高频
1143
最长公共子序列
中等高频
124
二叉树中的最大路径和
困难高频
93
复原IP地址
中等高频
82
删除排序链表中的重复元素 II
中等中频
19
删除链表的倒数第N个节点
中等中频
142
环形链表 II
中等中频
4
寻找两个正序数组的中位数
困难中频
199
二叉树的右视图
中等中频
102
二叉树的层序遍历
中等中频
165
比较版本号
中等中频
704
二分查找
简单中频
232
用栈实现队列
简单中频
22
括号生成
中等中频
94
二叉树的中序遍历
简单中频
239
滑动窗口最大值
困难中频
69
x 的平方根
简单中频
148
排序链表
中等中频
32
最长有效括号
困难中频
31
下一个排列
中等中频
8
字符串转换整数 (atoi)
中等中频
70
爬楼梯
简单中频
322
零钱兑换
中等中频
43
字符串相乘
中等中频
76
最小覆盖子串
困难中频
41
缺失的第一个正数
困难中频
105
从前序与中序遍历序列构造二叉树
中等中频
78
子集
中等中频
151
翻转字符串里的单词
中等中频
155
最小栈
简单中频
34
在排序数组中查找元素的第一个和最后一个位置
中等中频
394
字符串解码
中等中频
101
对称二叉树
简单中频
39
组合总和
中等中频
470
用 Rand7() 实现 Rand10()
中等低频
64
最小路径和
中等低频
104
二叉树的最大深度
简单低频
110
平衡二叉树
简单低频
144
二叉树的前序遍历
简单低频
48
旋转图像
中等低频
234
回文链表
简单低频
695
岛屿的最大面积
中等低频
122
买卖股票的最佳时机 II
简单低频
240
搜索二维矩阵 II
中等低频
221
最大正方形
中等低频
98
验证二叉搜索树
中等低频
543
二叉树的直径
简单低频
14
最长公共前缀
简单低频
179
最大数
中等低频
113
路径总和 II
中等低频
662
二叉树最大宽度
中等低频
62
不同路径
中等低频
198
打家劫舍
中等低频
152
乘积最大子数组
中等低频
560
和为K的子数组
中等低频
112
路径总和
简单低频
226
翻转二叉树
简单低频
209
长度最小的子数组
中等低频
227
基本计算器 II
中等低频
169
多数元素
简单低频
24
两两交换链表中的节点
中等低频
139
单词拆分
中等低频
283
移动零
简单低频
718
最长重复子数组
中等低频
1
两数之和
简单低频
2
两数相加
中等低频
#1
简单
低频
哈希表优化

两数之和

这是一道围绕数组、哈希表展开的高频练习。建议先掌握「哈希表优化」这套写法,再结合下方步骤讲解理解状态维护、边界处理和复杂度取舍。

数组
哈希表

题目分析

给你一个整数数组和一个目标值 target

要求你找到两个下标,使这两个位置上的数字相加正好等于 target,并返回这两个下标。

题目保证答案唯一,而且同一个元素不能重复使用。

一句话概括:

一边遍历数组,一边寻找当前数字所需要的配对值。

接下来怎么看推荐代码: 带着这个理解再看推荐代码时,重点观察这条主线:遍历当前数字时,先去哈希表里找它缺的那一半;找不到再把自己存进去。

推荐代码

推荐解法:哈希表优化
时间复杂度: O(n)
空间复杂度: O(n)
核心思路: 遍历当前数字时,先去哈希表里找它缺的那一半;找不到再把自己存进去。
class Solution {
    /**
     * 哈希表优化解法
     * 使用HashMap存储已遍历的元素,实现O(n)时间复杂度
     */
    public int[] twoSum(int[] nums, int target) {
        // hashtable的key为数组的值,value为数组的下标
        Map<Integer, Integer> hashtable = new HashMap<Integer, Integer>();
        for (int i = 0; i < nums.length; ++i) {
            if (hashtable.containsKey(target - nums[i])) {
                return new int[]{hashtable.get(target - nums[i]), i};
            }
            hashtable.put(nums[i], i);
        }
        return new int[0];
    }
}

结构化讲解

面试时怎么讲

开场思路

这题我会把它看成“遍历当前数字时,快速找出它缺的那一半”,所以最自然的做法是哈希表。

核心过程

  1. 遍历到 nums[i] 时,先计算补数 need = target - nums[i]
  2. 去哈希表里查询 need 是否已经出现过;如果出现过,就直接返回之前的下标和当前位置。
  3. 如果没查到,再把当前值和下标写进哈希表,继续往后处理。

复杂度总结

时间复杂度 O(n),空间复杂度 O(n)

面试补一句:这题真正的优化点,是把“找另一半”转成了一次哈希查询。

核心思路

一边遍历数组,一边把“已经看过的值 -> 下标”存进哈希表。当前元素只需要查一次补数是否已出现过。

步骤讲解

1

先算补数

遍历到 nums[i] 时,先计算当前数字还缺什么值才能凑成 target

为什么这样做:只有先把问题改写成“找补数”,哈希表查询才有意义。
对应代码提示:int need = target - nums[i];
2

查哈希表

去哈希表里查 need 是否已经在左侧出现过。

为什么这样做:哈希表里保存的是已经处理过的数字,因此命中就意味着找到了合法配对。
对应代码提示:if (indexMap.containsKey(need)) { ... }
3

命中就返回答案

如果补数存在,直接返回哈希表里的旧下标和当前下标。

为什么这样做:题目保证答案唯一,所以首次命中时就可以结束。
对应代码提示:return new int[] {indexMap.get(need), i};
4

未命中再入表

如果当前补数不存在,再把当前值和下标写入哈希表。

为什么这样做:这样可以保证哈希表里始终只存放当前元素左边已经处理过的值。
对应代码提示:indexMap.put(nums[i], i);

易错点

必须先查后存

如果先把当前元素写进哈希表,再查补数,就可能在 target = 2 * nums[i] 时错误地让当前元素和自己配对。

正确理解:固定执行顺序:先算补数并查询,确认未命中后再把当前值入表。

哈希表里存的是值到下标

很多人会只记“用哈希表优化”,但忘了为什么要存下标。题目最后要求返回的是两个位置,而不是两个值。

正确理解:哈希表结构应是 值 -> 下标,命中时才能直接返回答案。

复杂度与适用判断

时间复杂度:O(n)
空间复杂度:O(n)
比其他方案更好在哪里:比双层循环的暴力解法少了一层枚举,把查找配对的动作压缩成常数时间。
代价是什么:相比暴力法,多用了一个哈希表来存历史元素。
适用判断:当题目要求快速寻找某个值的配对、补数或历史出现位置时,都可以优先考虑哈希表。

额外提醒

  • 把“找另一半”的问题变成哈希查找,是这道题最关键的优化点。
  • 动画里最重要的不是 map 长什么样,而是先算补数、再查表、最后决定是否入表。

其他语言 / 其他解法

暴力解法

按顺序枚举每一对不同下标 (i, j),只要这两个位置的和等于 target 就立即返回。

时间复杂度:O(n²)
空间复杂度:O(1)
一句话思路:固定左侧下标后,把它和右边所有元素逐一配对检查,直到找到满足条件的组合。
class Solution {
    /**
     * 暴力解法
     * 枚举所有可能的两数组合,时间复杂度O(n²)
     */
    public int[] twoSum(int[] nums, int target) {
        if (nums == null) {
            return null;
        }
        int[] result = new int[2];
        for (int i = 0; i < nums.length; i++) {
            result[0] = i;
            for (int j = i + 1; j < nums.length; j++) {
                result[1] = j;
                if (nums[result[0]] + nums[result[1]] == target) {
                    return result;
                }
            }
        }
        return result;
    }
}
动画演示仅在桌面端提供,移动端请优先阅读推荐代码与结构化讲解。