难度: Easy
给你一个二维整数数组 logs ，其中每个 logs[i] = [birthi, deathi] 表示第 i 个人的出生和死亡年份。
年份 x 的 人口 定义为这一年期间活着的人的数目。第 i 个人被计入年份 x 的人口需要满足：x 在闭区间 [birthi, deathi - 1] 内。注意，人不应当计入他们死亡当年的人口中。
返回 人口最多 且 最早 的年份。
示例 1：
输入：logs = [[1993,1999],[2000,2010]] 输出：1993 解释：人口最多为 1 ，而 1993 是人口为 1 的最早年份。
示例 2：
输入：logs = [[1950,1961],[1960,1971],[1970,1981]] 输出：1960 解释： 人口最多为 2 ，分别出现在 1960 和 1970 。 其中最早年份是 1960 。
提示：
1 <= logs.length <= 1001950 <= birthi < deathi <= 2050运行时间: 23 ms
内存: 16.0 MB
class Solution:
def maximumPopulation(self, logs: List[List[int]]) -> int:
res=[0]*100
for i in range(len(logs)):
for j in range(logs[i][0],logs[i][1]):
res[j-1950]+=1
ma=0
ins=0
for i in range(len(res)):
if res[i]>ma:
ma=res[i]
ins=i
return ins+1950
该题解采用了计数的方法来解决问题。首先，创建一个大小为100的数组（因为年份从1950到2049，共100年），用于记录每一年的人口数量。遍历每个人的生命记录，对于每个人，其在生存期间的每一年对应的数组位置增加1，表示那一年的人口增加了1。在更新完所有人的生存记录后，再遍历这个数组，找到人口最多的年份。如果有多个年份人口相同，由于是从最早的年份开始统计的，第一个找到的最大值将是最早的年份。
时间复杂度: O(n)
空间复杂度: O(1)
class Solution:
def maximumPopulation(self, logs: List[List[int]]) -> int:
res = [0] * 100 # 创建用于存储每年人口数量的数组
for log in logs: # 遍历每个人的生死年份
for year in range(log[0], log[1]): # 遍历每个人的生存年份
res[year - 1950] += 1 # 更新对应年份人口数量
max_population = 0 # 用于记录最大人口数
earliest_year = 0 # 用于记录人口最多的最早年份
for i in range(len(res)): # 遍历每一年查找人口最多的年份
if res[i] > max_population: # 如果当前年份人口更多
max_population = res[i] # 更新最大人口数
earliest_year = i # 更新最早年份记录
return earliest_year + 1950 # 返回最早的人口最多年份
选择使用大小为100的数组来记录每一年的人口数量是因为年份范围（1950到2049）是已知的且连续的，这使得数组可以通过简单的索引来访问对应年份的人口数量。数组的访问时间复杂度为O(1)，这比哈希表的平均O(1)时间复杂度更为稳定且没有额外的哈希冲突处理开销。此外，数组因其连续内存分配，也优于哈希表在空间局部性方面的表现，这有助于提升缓存效率。
题解中直接使用`range(log[0], log[1])`来计算每一个人的生存年份，基于假设输入数据始终有效，即所有的出生和死亡年份都严格在1950到2049范围内。如果实际应用需要处理边界外的年份，那么代码应该添加适当的边界检查以避免数组访问越界。但在这个特定问题的设定中，这样的检查被认为是不必要的，前提是输入数据遵循这一规范。
是的，根据题解的逻辑，`人口最多的最早年份`的定义确实意味着如果存在多个年份人口数量相同，只关心最早出现的年份。这是通过在找到新的最大人口数量时立即更新年份实现的，而不是继续搜索可能出现相同人口数量的其他年份。这种方法确保了只记录第一次达到最大值的年份。
题解中的`res[year - 1950] += 1`操作基于假定所有输入数据都是正确的，即每个人的死亡年份都晚于或等于其出生年份。如果输入数据中死亡年份早于出生年份，这将导致`range`函数生成一个空序列，因此不会执行任何加法操作，也不会引发错误。然而，这种情况在现实中可能表示输入数据本身存在问题，应该在实际应用中进行错误处理或数据验证。