在给定的整形数组中，要求找出占比超过一半的数，我们可以通过 "摩尔投票法"（Boyer-Moore Voting Algorithm）来实现。这个算法的时间复杂度为O(n)，空间复杂度为O(1)，是一个高效且常用的方法。
- 问题分析 给定一个整形数组，我们需要找到一个元素，其出现次数超过数组总长度的一半，即出现次数大于 n/2，其中n是数组的长度。这样的元素在数组中最多只会有一个，因为如果有两个以上的元素出现次数超过一半，它们的总和就会超过整个数组的长度，这显然是不可能的。
- 摩尔投票法的原理 摩尔投票法的核心思想是通过一次遍历就找出可能的候选元素，并通过第二次遍历验证该候选元素是否确实占据了超过一半的比例。具体步骤如下： 步骤一：找出候选元素
1.初始化一个候选元素 candidate 和一个计数器 count，count 初始为 0。 2.遍历数组：
3.如果 count 为 0，说明当前没有确定的候选元素，这时将当前元素设为候选元素 candidate，并将 count 设为 1。 4.如果当前元素等于 candidate，则 count 加 1。 5.如果当前元素不等于 candidate，则 count 减 1。
通过这个过程，我们最终能确定一个候选元素，该元素有可能是占比超过一半的元素。 步骤二：验证候选元素 由于摩尔投票法仅确定了一个候选元素，并不能直接保证它的出现次数确实超过了数组的一半。因此，在第二次遍历中，我们需要确认候选元素的出现次数是否大于 n/2。 3. 代码实现 def majorityElement(nums): # 步骤一：找出候选元素 candidate = None count = 0 for num in nums: if count == 0: candidate = num count += (1 if num == candidate else -1)
# 步骤二：验证候选元素
count = 0
for num in nums:
if num == candidate:
count += 1
if count > len(nums) // 2:
return candidate
else:
return None # 如果没有超过一半的元素，返回None
4. 解释代码
6.步骤一：在第一次遍历数组时，我们通过计数来找出可能的候选元素。每次遇到相同的元素就增加计数，遇到不同的元素就减少计数。当计数为零时，更新候选元素。 7.步骤二：第二次遍历数组，统计候选元素的出现次数。如果该次数大于 n/2，则返回该元素，反之返回 None。
- 例子 假设我们有一个数组：[3, 2, 3]
8.在第一次遍历中： 9.candidate = 3, count = 1 10.candidate = 3, count = 2 11.candidate = 3, count = 1 （因为遇到 2） 12.结束后，候选元素为 3。 13.第二次遍历： 14.统计 3 出现了 2 次，数组长度为 3，所以 3 的出现次数确实超过了 3 / 2 = 1.5，因此返回 3。
- 复杂度分析
15.时间复杂度：O(n)，我们只遍历了数组两次，因此时间复杂度是线性的。 16.空间复杂度：O(1)，除了几个辅助变量外，我们没有使用额外的空间。
- 总结 摩尔投票法是一个高效的解决方案，适用于找出一个数组中占比超过一半的元素（如果存在的话）。它通过两次遍历、一次选举和一次验证，成功地找出了结果，且时间复杂度为 O(n)，空间复杂度为 O(1)，非常适合处理大规模数据。
