集合和字典：集合的常见形式是Set，字典的常见形式是MapSet和Map。主要应用场景在于数据重组和数据存储。集合和字典的区别：共同点：集合和字典可以存储不重复的值。区别：集合类似于数组，元素只有键没有值，值就是键。字典以[key,value]的形式存储。键的范围不限于字符串，各种类型的值（包括对象）都可以作为键。时间复杂度：Set或map可以使用一个哈希表或平衡两个Fork搜索树实现哈希表实现的map或set搜索的时间复杂度为O(1)。哈希表的优点是查找速度非常快。哈希表的缺点是丢失了数据的顺序，平衡了二分查找。树实现的map或setlookup时间复杂度为O(logn)，保证了数据的顺序性。散列函数散列函数是接受输入值并从该输入计算出确定输出的函数。均匀分布：哈希函数计算出的地址是均匀分布的哈希冲突：哈希函数计算出的结果冲突开放式寻址法链式寻址法447.给定平面上的回旋镖（中）n对不同点的个数，其中points[i]=[xi,yi]。回旋镖是由点(i,j,k)表示的元组，其中i和j之间的距离等于i和k之间的欧氏距离（需要考虑元组的顺序）。返回飞机上所有回旋镖的数量。示例1：输入：points=[[0,0],[1,0],[2,0]]输出：2解释：两个回旋镖是[[1,0],[0,0],[2,0]]和[[1,0],[2,0],[0,0]]示例2：输入：points=[[1,1],[2,2],[3,3]]输出:2示例3：输入：points=[[1,1]]输出：0提示：n==points.length1<=n<=500points[i].length==2-104<=xi,yi<=104Allpointsaredifferenteachother思路：循环遍历数组，找到与当前元素距离相同的点，记录频率并添加到地图中，最后循环地图，从数字中选择两个组合与相同的距离，并将其添加到结果中。从m个元素中选出两个的排列组合次数为m*(m-1)复杂度：时间复杂度O(n^2)，数组遍历两层，空间复杂度O(n)，哈希表空间js://m={1:3,2:5}varnumberOfBoomerangs=function(points){让ans=0;for(constpofpoints){constm=newMap();for(constqofpoints){//统计当前点到地图距离相同的个数constdis=(p[0]-q[0])*(p[0]-q[0])+(p[1]-q[1])*(p[1]-q[1]);m.set(dis,(m.get(dis)||0)+1);}for(const[_,item]ofm.entries()){//从相同距离的点数中选择两个ans+=item*(item-1);}}返回答案;};49.anagramgrouping(medium)givesyouacharacter一个字符串数组，您可以在其中将字谜组合在一起。结果列表可以按任何顺序返回。字谜是通过重新排列源词的字母而获得的新词，通常在所有源词中恰好出现一次。示例1：输入：strs=["eat","tea","tan","ate","nat","bat"]输出：[["bat"],["nat","tan"],["ate","eat","tea"]]示例2：输入：strs=[""]输出：[[""]]示例3：输入：strs=["a"]输出：[["a"]]Tips:1<=strs.length<=1040<=strs[i].length<=100strs[i]只包含小写字母方法1.排序思路：遍历字符串数组，对每个字符串中的字符in被排序并添加到映射对应的键数组中。复杂度：时间复杂度O(n*klogk)，n为字符串个数，k为最长字符串长度，排序复杂度O(klogk)，排序n次，哈希表更新O(1)。空间复杂度O(nk)，排序空间复杂度O(nlogk)，映射空间复杂度O(nk)，取大的O(nk)js:vargroupAnagrams=function(strs){constmap=newMap();for(letstrofstrs){letarray=Array.from(str);//将字符放入数组array.sort();//排序letkey=array.toString();让列表=map.get（键）？map.get(key):newArray();//从map中获取对应的数组list.push(str);//添加到数组中map.set(key,list);//重置字符数组}returnArray.from(map.values());//将map中的值转为数组};方法二、统计思路：题意是字符串的字符都是小写的，可以统计每个字符在字符串中出现的频率，将每个字符出现频率相同的字符串放在一组.复杂度：时间复杂度O(n*k)，n为字符串个数，k为最长字符串长度，循环字符数组的复杂度为O(n)，每个字符串的频率复杂度为O(k).空间复杂度为O(n*k)，最长长度为k的n个字符串存储在map中。js:vargroupAnagrams=function(strs){constmap={};for(letsofstrs){//循环字符串数组constcount=newArray(26).fill(0);//字符全部小写，初始化一个大小为26的数组for(letcofs){//统计字符串中每个字符出现的频率count[c.charCodeAt()-'a'.charCodeAt()]++;}地图[计数]？map[count].push(s):map[count]=[s];//添加到地图}returnObject.values(map);};242.Validanagrams(easy)giventwo给定字符串s和t，编写一个函数来确定t是否是s的变位词。注意：如果每个字符在s和t中出现的次数相同，则称s和t是彼此的变位词。示例1：输入：s="anagram",t="nagaram"输出：true示例2：输入：s="rat",t="car"输出：false提示：1<=s.length,t.length<=5*104s和t只包含小写字母进阶：如果输入字符串包含unicode字符怎么办？你能调整你的解决方案来处理这个问题吗？方法一、排序思路：将两个字符串转成一个数组，排序后再转回字符串进行比较。复杂度分析：时间复杂度O(nlogn)，排序采用快速排序，时间复杂度为nlogn，比较两个字符串是否相等时间复杂度为n，O(n)+O(nlogn)=O(nlogn)。空间复杂度为O(logn)，排序需要O(logn)的空间。java和js的字符串是不可变的，复制字符串需要额外的O(n)空间。我们忽略这种复杂性，它取决于不同的语言实现细节。undefined示例1：输入：s="AAAAACCCCCAAAAACCCCCCAAAAAAGGGTTT"输出：["AAAAACCCCC","CCCCCAAAAA"]示例2：输入：s="AAAAAAAAAAAAAA"输出：["AAAAAAAAAA"]提示：0<=s.length<=105s[i]=='A','C','G'or'T'思路：用map存储子串出现的次数，循环dna序列，每次截取长度为10的子串，相加ittothemapandupdatetheappearance的次数，如果次数超过2，加上ans复杂度：时间复杂度O(n)，n是字符串的长度。空间复杂度O(n)js:varfindRepeatedDnaSequences=function(s){constL=10;常数ans=[];constcnt=newMap();constn=s.length;for(leti=0;i<=n-L;++i){constsub=s.slice(i,i+L)//截取一个长度为10的子串cnt.set(sub,(cnt.get(sub)||0)+1);//加入地图并更新出现次数if(cnt.get(sub)===2){ans.push(sub);}}返回ans;};454。四数加法二（中）给你四个整数数组nums1、nums2、nums3和nums4，数组的长度为n，请计算有多少元组（i,j,k,l）可以满足：0<=i,j,k,l
