Medium

题目描述

给你两个正整数 nk

如果正整数 i 满足 n % i == 0 ,那么我们就说正整数 i 是整数 n 的因子。

考虑整数 n 的所有因子,将它们 按升序排列 。请你返回第 k 个因子。如果 n 的因子数少于 k ,请你返回 -1

示例 1:

输入:n = 12, k = 3
输出:3
解释:因子列表包括 [1, 2, 3, 4, 6, 12],第 3 个因子是 3 。

示例 2:

输入:n = 7, k = 2
输出:7
解释:因子列表包括 [1, 7],第 2 个因子是 7 。

示例 3:

输入:n = 4, k = 4
输出:-1
解释:因子列表包括 [1, 2, 4],只有 3 个因子。我们应该返回 -1 。

提示:

  • 1 <= k <= n <= 1000

进阶: 你能设计时间复杂度小于 O(n) 的算法吗?

解题思路

解法一:暴力枚举(推荐)

最直观的方法是从 1 到 n 依次检查每个数是否为 n 的因子。当找到第 k 个因子时返回该数,如果遍历完所有数都没找到第 k 个因子则返回 -1。

解法二:优化枚举(进阶)

观察到因子总是成对出现的:如果 i 是 n 的因子,那么 n/i 也是 n 的因子。因此我们只需要遍历到 √n,同时收集因子对。需要注意完全平方数的情况,避免重复计算 √n。

对于数据规模 n ≤ 1000,暴力解法已经足够高效。优化解法的优势在更大数据规模时更明显。

具体实现:

  1. 暴力法:遍历 1 到 n,计数因子个数,返回第 k 个
  2. 优化法:遍历 1 到 √n,收集所有因子并排序,返回第 k 个

由于题目数据规模较小,这里推荐使用简洁易懂的暴力解法。

代码实现

class Solution {
public:
    int kthFactor(int n, int k) {
        int count = 0;
        for (int i = 1; i <= n; i++) {
            if (n % i == 0) {
                count++;
                if (count == k) {
                    return i;
                }
            }
        }
        return -1;
    }
};
class Solution:
    def kthFactor(self, n: int, k: int) -> int:
        count = 0
        for i in range(1, n + 1):
            if n % i == 0:
                count += 1
                if count == k:
                    return i
        return -1
public class Solution {
    public int KthFactor(int n, int k) {
        int count = 0;
        for (int i = 1; i <= n; i++) {
            if (n % i == 0) {
                count++;
                if (count == k) {
                    return i;
                }
            }
        }
        return -1;
    }
}
/**
 * @param {number} n
 * @param {number} k
 * @return {number}
 */
var kthFactor = function(n, k) {
    let factors = [];
    
    for (let i = 1; i <= Math.sqrt(n); i++) {
        if (n % i === 0) {
            factors.push(i);
            if (i !== n / i) {
                factors.push(n / i);
            }
        }
    }
    
    factors.sort((a, b) => a - b);
    
    return k <= factors.length ? factors[k - 1] : -1;
};

复杂度分析

复杂度暴力解法优化解法
时间复杂度O(n)O(√n)
空间复杂度O(1)O(√n)