### 如何使用 Python 计算数组中两个数字的和 在解决此问题时，可以采用多种方法来找到数组中的两个数字之和等于目标值的情况。以下是几种常见的解决方案及其时间复杂度分析。 #### 方法 1：暴力枚举 这种方法是最直观的方式，通过两层嵌套循环逐一比较每一对数字，判断它们的和是否等于目标值 `target`。虽然简单易懂，但其时间复杂度较高，为 O(N²)，空间复杂度为 O(1)。 ```python def twoSum_brute_force(numbers, target): n = len(numbers) for i in range(n): for j in range(i + 1, n): if numbers[i] + numbers[j] == target: return [i + 1, j + 1] ``` 该算法适用于小型数据集，在大规模输入下性能较差[^1]。 --- #### 方法 2：双指针法（利用有序特性） 如果给定的数组已经按升序排列，则可以通过设置两个指针分别指向数组两端来进行优化。初始状态下，左指针位于起始位置，右指针位于末尾。每次迭代根据当前两数之和调整指针方向： - 如果当前和小于目标值，则移动左侧指针向右； - 若大于目标值，则移动右侧指针向左； - 当两者相等时返回对应的索引。 这种策略的时间复杂度降低至 O(N)，而额外使用的存储空间仍保持恒定大小 O(1)。 ```python def twoSum_two_pointers(numbers, target): left, right = 0, len(numbers) - 1 while left < right: current_sum = numbers[left] + numbers[right] if current_sum == target: return [left + 1, right + 1] elif current_sum < target: left += 1 else: right -= 1 ``` 这种方法充分利用了题目条件——输入数组已排序这一特点[^4]。 --- #### 方法 3：哈希表辅助查找 对于未排序的一般情况，可借助哈希表记录访问过的数值以及对应的位置信息。遍历过程中实时查询是否存在某个键使得二者加起来正好匹配目标值。这样做的好处在于单次扫描即可完成任务，平均情况下运行效率更高，达到线性级别 O(N)，不过需要消耗更多内存资源用于维护映射关系，因此总体空间开销上升到 O(N)。 ```python def twoSum_hash_table(numbers, target): seen = {} for index, value in enumerate(numbers): complement = target - value if complement in seen: return [seen[complement] + 1, index + 1] seen[value] = index ``` 尽管如此，当面对非常庞大的数据量或者严格限制可用 RAM 的场景时，需谨慎选用此类技术方案[^2]。 --- ### 总结 综上所述，针对不同前提假设下的具体需求可以选择相应的求解途径： - 数据规模较小且无特殊约束条件下推荐直接运用双重循环穷尽可能性； - 输入序列本身具备单调递增性质则优先考虑双游标滑动机制； - 面临随机分布型态的大批量样本集合宜采纳基于散列表的数据结构加速检索流程。