给定一个整数数组 nums 和一个目标值 target，请你在该数组中找出和为目标值的那 两个 整数，并返回他们的数组下标。
你可以假设每种输入只会对应一个答案。但是，你不能重复利用这个数组中同样的元素。
示例:
给定 nums = [2, 7, 11, 15], target = 9 因为 nums[0] + nums[1] = 2 + 7 = 9 所以返回 [0, 1]
方法一：暴力法
class Solution:
def twoSum(self, nums, target):
for i in range(len(nums)):
for j in range(i+1,len(nums)):
other = target - nums[i]
if other == nums[j]:
return [i,j]
return None
遍历每一个元素x，并查找是否存在一个值与target - x相等的目标元素。（j从i+1开始，是因为如果前面的i个元素的（target - i）都不存在于该列表中，那么i之后的元素的（target - i）不存在于i之前的元素中。
算法分析：
- 时间复杂度：O(n2)。对于每个元素，我们通过遍历整个列表其它元素寻找它所对应的目标元素，耗费O(n)的时间。
- 空间复杂度：O(1)。
哈希表
散列表（Hash table，也叫哈希表），是根据关键码值(Key value)而直接进行访问的数据结构。也就是说，它通过把关键码值映射到表中一个位置来访问记录，以加快查找的速度。这个映射函数叫做散列函数，存放记录的数组叫做散列表。给定表M，存在函数f(key)，对任意给定的关键字值key，代入函数后若能得到包含该关键字的记录在表中的地址，则称表M为哈希(Hash）表，函数f(key)为哈希(Hash) 函数。
方法二：两遍哈希表
通过以空间换取速度的方式，我们可以将查找时间从O(n)降低到O(1)。哈希表正是为此目的而构建的。
class Solution:
def twoSum(self, nums, target):
hashmap = {}
for i,j in enumerate(nums):
hashmap[j]=i
for i,j in enumerate(nums):
k = hashmap.get(target-j)
if k is not None and k != i:
return [i,k]
两次迭代，第一次迭代中我们将每个元素的值和它的索引添加到哈希表中。在第二次迭代中我们将检查每个元素对应的目标元素k=hashmap.get(target-j)是否在表中。该元素不能于i相等。假设表中有两个相等的元素，第二次索引的值会改为后一个重复元素的索引，如果第一个重复值找到了函数就结束，没找的话，第二次重复元素也肯定找不到，所以在查找中不会产生错误。
- 时间复杂度分析：O(n)。我们遍历列表两次。哈希表将查找的时间缩短为O(1)，所以时间复杂度为O(1)。
- 空间复杂度：O(n)。所需的额外空间取决于哈希表中存储的元素数量，该表中存储了n个元素。
方法三：一遍哈希表
class Solution:
def twoSum(self, nums, target):
hashmap = {}
for i,j in enumerate(nums):
k = target -j
if k in hashmap:
return [hashmap.get(target-j), i]
hashmap[j] = i
将遍历过的元素，以及它的索引加入表中，后续的元素在表中查找target - i。
复杂度分析：
- 时间复杂度：O(n)。只遍历了一次包含n个元素的列表，在表中进行的每次查找只花费O(1)的时间。
- 空间复杂度：O(n)。所需的空间取决于哈希表中的元素数量，最多存储n个元素（即遍历完没找到）。