给定一个大小为 n 的数组 nums ，返回其中的多数元素。多数元素是指在数组中出现次数 大于 ⌊ n/2 ⌋ 的元素。 假设数组是非空的，并且给定的数组总是存在多数元素。代码

这个问题描述的是经典的“查找数组中的多数元素”算法，也称为“三分查找法”或“快速选择”在某些场景下的变种。这个任务可以在线性时间内解决，不需要遍历整个数组多次。基本思路如下：

1. **划分区间**：首先，将数组分为三部分，中间部分的元素个数记作 `count`。如果 `count > n/2`，那么中间部分就是多数元素；如果 `count < n/2`，说明多数元素在剩余的两个部分之一。

2. **递归寻找**：如果找到了多数元素所在的范围，继续在这个范围内进行相同的划分操作，直到找到确切的多数元素。

3. **随机化优化**：为了减少最坏情况的发生（每次划分都恰好将数组分为相等两部分），可以对分区索引进行随机选取，提高算法平均性能。

以下是 Python 的示例代码：

from collections import Counter

def majorityElement(nums):
    count = Counter(nums)
    for num in count:
        if count[num] > len(nums) // 2:
            return num

在这个函数中，我们使用了 `collections.Counter` 来统计每个元素的出现次数，然后检查哪些元素的数量大于数组长度的一半。

相关问题

给定一个大小为 n 的数组 nums ，返回其中的多数元素。多数元素是指在数组中出现次数 大于 ⌊ n/2 ⌋ 的元素。 你可以假设数组是非空的，并且给定的数组总是存在多数元素。

这个问题可以使用摩尔投票算法来解决，其基本思路是遍历数组，维护一个候选元素和一个计数器，对于数组中的每个元素，如果当前计数器为 0，则将候选元素设置为该元素，并将计数器设置为 1，否则如果该元素与候选元素相同，则将计数器加 1，否则将计数器减 1。最终的候选元素就是出现次数超过 ⌊ n/2 ⌋ 的元素。

下面是 Java 代码实现：

public int majorityElement(int[] nums) {
    int count = 0;
    int candidate = 0;
    for (int num : nums) {
        if (count == 0) {
            candidate = num;
        }
        count += (num == candidate) ? 1 : -1;
    }
    return candidate;
}

时间复杂度为 O(n)，空间复杂度为 O(1)。

在Java中给定一个大小为 n 的数组 nums ，返回其中的多数元素。多数元素是指在数组中出现次数 大于 ⌊ n/2 ⌋ 的元素。 你可以假设数组是非空的，并且给定的数组总是存在多数元素。 例：输入：nums = [2,2,1,1,1,2,2] 输出：2

在Java中，解决这个问题可以使用哈希表（HashMap）来统计数组元素出现的次数。遍历数组，对于每个元素，更新其在哈希表中的计数。遍历结束后，遍历哈希表，找到出现次数大于或等于 n / 2 的元素，即可确定多数元素。如果存在多个这样的元素，只需返回任何一个即可，因为题目保证了数组中总是存在一个多数元素。

下面是实现该算法的Java代码：

import java.util.HashMap;

public class Solution {
    public int majorityElement(int[] nums) {
        HashMap<Integer, Integer> countMap = new HashMap<>();
        
        for (int num : nums) {
            countMap.put(num, countMap.getOrDefault(num, 0) + 1);
        }
        
        for (int count : countMap.values()) {
            if (count > nums.length / 2) {
                return countMap.keySet().toArray();
            }
        }
        
        throw new IllegalArgumentException("No majority element found in the array");
    }
}