生成一个数组，该数组在其左侧和右侧的每个数组元素的出现次数之间存在差异

很多时候我们需要在数组里找到一个元素，然后再这个元素左右两边计算不同元素的出现次数。这个问题可以使用哈希表和前缀和的方法来解决。

哈希表实现

首先，我们需要把数组中每个元素出现的次数存储在哈希表中：

def count_elements(nums):
    counts = {}
    for num in nums:
        if num in counts:
            counts[num] += 1
        else:
            counts[num] = 1
    return counts

接下来，我们遍历数组，对于每个元素，使用哈希表中记录的出现次数来计算左右两边的元素出现次数差异。

def diff_count(nums):
    res = []
    counts = count_elements(nums)
    for i in range(len(nums)):
        left_count = sum(counts[num] for num in nums[:i] if num != nums[i])
        right_count = sum(counts[num] for num in nums[i+1:] if num != nums[i])
        res.append(abs(left_count - right_count))
    return res

前缀和实现

前缀和是一种优秀的处理区间和的方法，我们可以先计算出数组的前缀和，然后使用前缀和计算左右两边的元素出现次数差异。

def diff_count(nums):
    res = []
    counts = count_elements(nums)
    pre_sum = [0] * (len(nums) + 1)
    for i in range(len(nums)):
        pre_sum[i+1] = pre_sum[i] + counts[nums[i]]
    for i in range(len(nums)):
        left_count = pre_sum[i] - pre_sum[0] - pre_sum[i-counts[nums[i]]]
        right_count = pre_sum[-1] - pre_sum[i+1] - pre_sum[i+1+counts[nums[i]]-1]
        res.append(abs(left_count - right_count))
    return res

以上就是两种不同实现的代码和思路。它们的时间复杂度都是$O(n)$，空间复杂度也都是$O(n)$。