这不是标题党，今天我们真的要上Uber的车~
题目
[来自Uber]
Given an array of integers, return a new array such that each element at index i of the new array is the product of all the numbers in the original array except the one at i
给定一个整数数组，返回一个新数组，使得位于位置i的元素，等于给定数组中位置i以外的所有元素的乘积。
举个例子：
如果给定的数组是[1, 2, 3, 4, 5]，那么你输出的数组就应该是[120, 60, 40, 30, 24]
如果给定的数组是[3, 2, 1]，那么你返回的数组就是[2, 3, 6]
解析
将题干中的叙述直接翻译成代码就可以得到最“淳朴”的暴力解法了（为了表达的方便，在以下伪码中，result代表算法返回的新数组，并且新数组中每一个元素的初始值都是1）：
function arrayOfProducts(array, result):
for i=1 to n
for j=1 to n
if j != i
result[i] = result[i] * array[j]
return result
在计算新数组中每一个元素的时候，我们都要遍历给定数组，以便求出相应的乘积，这样一来，暴力解法的时间复杂度就定格在了缓慢的O(n^2)。
观察暴力解法的计算过程，反复遍历给定数组显然是最浪费时间的步骤。头脑灵活的小伙伴肯定已经想到了：为什么不用除法来计算新数组中元素的值呢！
####优化
对于一个给定的数组，只要遍历一次，就可以得到整个数组全部元素的乘积。如果我们用a[i]来代表给定数组中位于位置i的元素，P代表给定数组中全部元素的乘积；用t[i]来代表新数组中位于位置i的元素；那么我们可以用下面这个表达式来表达t[i]: t[i] = P / a[i]
有了这个简洁漂亮的表达式，我们就可以改写暴力解法的“丑陋”伪码了：
function arrayOfProducts(array, result):
let P = 1
for i=1 to n
P = P * array[i]
for j=1 to n
result[j] = P / array[j]
return result
我们只需要遍历两次给定数组，就可以生成新数组了。所以经过优化的算法，它的时间复杂度直接下降为O(n)。
那么我们就大功告成了吧？且慢！在上一期的文章里，我们已经强调过，在进行算法面试时，务必要考虑输入、输出以及操作中的边缘情况、极端情况和异常情况。
####改进
在除法运算中，最常见的一种异常情况，就是除数为零所造成的运算错误。重读一遍题目，给定的数组是一个整数数组，所以数组中出现等于零的元素是很合理的情况。而当这种情况出现的时候，我们的优化算法就会抛出异常，无法给出正确答案了！为了挽救我们的面试，接下来，我们就要进一步改写算法，来正确的应对元素值等于零的特殊情况。
当给定数组a的所有元素乘积P不等于零时，我们可以确定a中不包含任何等于零的元素，此时我们可以放心的使用上面讲解过的优化算法。
而当P等于零时，则说明a中包含至少一个等于零的元素，这时我们就需要新的方法来处理题目了。
在这种情况下，我们仍然要在遍历a数组的过程中来生成新数组t。如果a[i]不等于零，那就说明t[i]一定等于零，因为t[i]的值是a中除了a[i]以外所有元素的乘积，而这些元素一定包含至少一个等于零的元素，不然总乘积P就不会等于零了。这个情况其实也可以用我们上面讲过的优化解法来解答：t[i] = P / a[i] = 0 / a[i] = 0
而如果a[i]等于零，那么由于除数不能为零的原则，我们无法使用t[i] = P / a[i]的表达式来计算t[i]，而只能像暴力解法那样，遍历一遍数组a，使用乘法运算来计算出t[i]的值了。
这样一来，大家可能就有点泄气了。辛苦了半天，我们怎么又回到暴力解法去了… 那我们这个改进版的“优化”解法的时间复杂度是不是又退化到O(n^2)了？其实不是的。让我们再仔细的看一下解法。在我们遇到了第一个等于零的a[i]，并且使用乘法运算计算出了t[i]的值之后，我们就没有必要继续计算t中其他元素的值了。因为数组t中余下的所有元素都必定会因为乘以a[i]这个等于零的值而变成零。也就是说，在我们遇到第一个等于零的a[i]之后，我们就可以停止遍历数组a，而将数组t中剩余的元素全部设为零就大功告成了。所以，这个改进后的算法，至多也不过是多遍历了一次数组a而已。算法的整体时间复杂度仍然保持在O(n)。
思路理清了，接下来就让我们上伪码：
function arrayOfProducts(array, result):
let P = 1
for i=1 to n
P = P * array[i]
let j = 1
while j <= n
if array[j] != 0
result[j] = P / array[j]
j++
else
for k=1 to n
if k != j
result[j] = result[j] * array[k]
break
for l=j+1 to n
result[l] = 0
return result
算法优化过了，异常情况也处理了，听完你眉飞色舞的讲解，面试官频频点头。正在你松了一口气的时候，面试官的嘴角露出了一丝狡黠的微笑～事情并没有那么简单，面试官问到：如果不允许你使用除法运算呢？
别慌！在算法面试中，面试官常常会在你给出了一个优化解法之后，再提出更高的要求，或是再改动题目的某些条件，使得题目的难度加大。这样不仅可以进一步考察候选人的解题能力，还能测试候选人在突然出现的压力之下，是否能保持冷静思考的能力。
既然除法运算被禁止了，那我们就再回归到暴力解法的乘法运算，想一想除了利用除法运算来减少遍历给定数组的次数之外，还有什么其他方法可以避免重复的遍历给定数组呢？
在算法设计过程中，有一个一般原则，就是**“用空间换时间”**。也就是说，在条件允许的情况下，可以尝试计算和存储更多的“中间值”，或是使用更复杂的数据结构，来达到缩短运算时间的目的。这道题目并没有限制解法的空间复杂度，所以我们不妨使用“以空间换时间”这个思路来试一试。
举个例子来分析，假设给定的数组包含四个元素，即a = [ a1, a2, a3, a4 ]
那么最终生成的新数组就应该是t = [ a2*a3*a4, a1*a3*a4, a1*a2*a4, a1*a2*a3 ]
从a直接跳跃到t（并且不能使用除法运算）需要花费较长的时间。那么有没有可能在这中间增加一些“中间值”，以便来加速我们的算法呢？
让我们试着把t中的元素分解一下。t数组中有些元素是a数组中几个相邻的元素的乘积，比如说t1 = a2*a3*a4。还有些元素包含了a中几个不相邻的元素的乘积，比如说t2 = a1*a3*a4。如果我们根据a中元素是否相邻这个标准，把t的元素分解一下，那么t数组就会变成这样：t1 = 1 * (a2*a3*a4)t2 = a1 * (a3*a4)t3 = (a1*a2) * a4t4 = (a1*a2*a3) * 1
根据这个分解，如果我们可以事先准备好两个数组，一个是left = [ 1, a1, a1*a2, a1*a2*a3 ]，另一个是right = [ a2*a3*a4, a3*a4, a4, 1 ]，那么我们只要将left和right中的元素分别相乘，就可以得到最终的数组t了！
这里的left和right两个数组，就是我们为了降低暴力解法的时间复杂度，而计算出的“中间值”。只要遍历给定数组a两次，就可以计算出这两个中间值的数组了：第一次从左到右遍历a，生成left = [ 1, a1, a1*a2, ... , a1*a2*...*a(n-1) ]；第二次从右到左遍历a，生成right = [ a2*...*a(n-1)*an, ... , a(n-1)*an, an, 1 ]。所以，这个算法最终的空间复杂度和时间复杂度都是O(n)，和可以使用除法运算的解法一样快，完美应对了面试官的“刁难”～
####总结
这道题目和上一期Google的题目有异曲同工之妙。它们都不涉及像动态规划那样“隆重”的解题套路，但是题目的编排中却有不少陷阱等着你。
一开始使用除法运算来优化暴力解法是题目的第一道关卡，不过这个关卡难度不高，相信大部分应聘者都能答出来。
而第二个关卡就是对于“除数可能为零”这个异常情况的处理。经验少的应聘者很可能栽倒在这一关。成功优化了暴力解法所带来的兴奋，很容易让应聘者忽视了思维的缜密性，这样你就要输给更冷静更严谨的竞争对手啦。
而题目最后加上的限制条件（禁止使用除法运算）则是直线拉升了题目的难度。坦白地说，最后这一个优化算法确实有难度，如果有应聘者在面试的紧张状态下能讲出这个解法，那我只能说佩服佩服，你值得坐上Uber的驾驶座～
以上就是这一期的算法拆解。大家跟着一起做题辛苦啦～好好总结一下吧～
[转载请注明]
欢迎关注课程：
随时随地看视频
