小S的倒排索引
问题描述
小S正在帮助她的朋友们建立一个搜索引擎。为了让用户能够更快地找到他们感兴趣的帖子，小S决定使用倒排索引。倒排索引的工作原理是：每个单词都会关联一个帖子ID的列表，这些帖子包含该单词，且ID按从小到大的顺序排列。
例如，单词“夏天”可能出现在帖子1、帖子3和帖子7中，那么这个单词的倒排链就是 [1, 3, 7]。如果用户想同时找到包含“夏天”和“海滩”的帖子，小S需要找出两个倒排链的交集，且将结果按照从大到小的顺序输出。现在，给定两个单词的倒排链数组 a 和 b，请你帮助小S找出同时包含这两个单词的帖子ID，并按从大到小的顺序返回结果。
测试样例
样例1：
输入：
a = [1, 2, 3, 7], b = [2, 5, 7]
输出：[7, 2]
样例2：
输入：
a = [1, 4, 8, 10], b = [2, 4, 8, 10]
输出：[10, 8, 4]
样例3：
输入：
a = [3, 5, 9], b = [1, 4, 6]
输出：[]
样例4：
输入：
a = [1, 2, 3], b = [1, 2, 3]
输出：[3, 2, 1]
1. 暴力双循环解法
思路
暴力解法直接使用两层循环遍历两个列表 a 和 b，查找交集元素。这种方法在理解和实现上都非常简单，但因为要两两比较，复杂度较高。
代码实现
def solution(a, b):
result = []
for i in range(len(a)-1, -1, -1):
for j in range(len(b)-1, -1, -1):
if a[i] == b[j]:
result.append(a[i])
return result
复杂度分析
- 时间复杂度：O(n×m)，其中 n 和 m 分别是
a和b的长度。这是因为我们要遍历a中的每个元素，并与b中的每个元素进行比较。 - 空间复杂度：O(k)，其中 k 是交集中元素的数量，用于存储结果。
缺点
当 a 和 b 较大时，算法性能会明显下降，不适合处理大规模数据。
2. 集合交集法
在第一种暴力解法的基础上，我们可以利用 Python 集合的交集运算来提高效率。集合交集运算可以快速找到两个集合的共有元素，复杂度是线性的，并且这个方法天然去重。
思路
- 将
a和b转换为集合。 - 使用集合的
&操作符来计算交集。 - 将交集结果转换为降序列表。
代码实现
def solution(a, b):
result = sorted(set(a) & set(b), reverse=True)
return result
复杂度分析
- 时间复杂度：O(n+m+klogk)，其中 n 和 m 是转换集合的时间，k 是交集大小，降序排序交集时需要 O(klogk)。
- 空间复杂度：O(n+m+k)，用于存储集合和结果。
优点
相较于暴力双循环法，集合交集方法的效率提升明显。尤其在两个列表规模较大时，集合操作比直接双重遍历要快得多。
缺点
需要排序来实现降序输出，并且使用集合时会丢失原始数据的顺序信息。
3. 双指针法（最优解）
思路
双指针法利用了 a 和 b 本身是有序列表的特性。通过初始化两个指针分别指向 a 和 b 的尾部，逐个比较并同时向前移动指针。这样的做法避免了嵌套循环，使得算法能够在线性时间内完成交集查找。
-
将两个指针分别初始化到
a和b的尾部（列表的最大元素）。 -
比较指针所指的元素：
- 如果
a[i] == b[j]，说明找到交集元素，将其加入result并同时左移两个指针。 - 如果
a[i] > b[j]，说明a[i]较大，需要左移i，以便找到较小的相等元素。 - 如果
a[i] < b[j]，则左移j。
- 如果
-
重复上述过程，直到某个指针超出边界。
-
因为是从尾部往前查找，结果天然有序（降序），无需额外排序。
代码实现
def solution(a, b):
i, j = len(a) - 1, len(b) - 1
result = []
while i >= 0 and j >= 0:
if a[i] == b[j]:
result.append(a[i])
i -= 1
j -= 1
elif a[i] > b[j]:
i -= 1
else:
j -= 1
return result
复杂度分析
- 时间复杂度：O(n+m)，只需要一次遍历
a和b，并且在不使用嵌套循环的情况下找到交集。 - 空间复杂度：O(k)，用于存储交集结果。
优点
双指针法在时间和空间上都更高效，是三种方法中复杂度最低的。因为 a 和 b 是有序的，这个方法在找到交集的同时保证了结果的降序排列。
总结
对于初学者来说，在设计算法时很难直接想到复杂度低的解法。不妨仍从暴力算法开始，逐步学习算法优化，用循序渐进的过程培养优化意识。
