There are two sorted arrays nums1 and nums2 of size m and n respectively.
Find the median of the two sorted arrays. The overall run time complexity should be O(log (m+n)).
Example 1:
nums1 = [1, 3] nums2 = [2] The median is 2.0
Example 2:
nums1 = [1, 2] nums2 = [3, 4] The median is (2 + 3)/2 = 2.5
Subscribe to see which companies asked this question.
寻找第k小的经典方法
首先将问题一般化,转换为求第k小的数,这个问题解决后求中位数自然也就解决了。
设问题中两个数组分别为a,b。两个数组顺序合并后的数组设为c。要求第k小数,首先可对a[k/2-1]和b[k-k/2-1]两个数进行比较,若a[k/2-1] < b[k-k/2-1]
话,则说明a数组的前k/2个数都可以抛弃掉,因为这k/2个数都在c数组的前k位。若a[k/2-1] > b[k-k/2-1],则可以抛弃掉b数组的k-k/2个数字。如果两个数相等,说明这个数字就是所求的k小数。
用反证法可证明为什么可以抛弃a的前k/2或者b数组的前k-k/2个数字,以a[k/2-1] < b[k-k/2-1]的情况为例(第二种情况类似),假设a[k/2-1]大于c数组的第k小数,则a[k/2-1]至少是k+1小数,b[k-k/2-1]至少是k+2小数,那么所求的第k小数的前面最多只有k/2+k-k/2-2=k-2个。显然不符合常理。故得证!
代码如下:
class Solution {
public:
double findkth(vector<int>& nums1, int pos1, vector<int>& nums2, int pos2, int k) { //寻找两个数组合并起来后的k小数
if(nums1.size() - pos1 > nums2.size() - pos2) //令第一个数组剩下的未剔除元素总是比第二个少
return findkth(nums2, pos2, nums1, pos1, k);
if(pos1 >= nums1.size())
return nums2[pos2 + k - 1];
if(k == 1)
return min(nums1[pos1], nums2[pos2]);
int offset1 = min(k / 2, (int)nums1.size() - pos1), offset2 = k - offset1;
if(nums1[pos1 + offset1 - 1] < nums2[pos2 + offset2 - 1]) return findkth(nums1, pos1 + offset1, nums2, pos2, k - offset1);
if(nums1[pos1 + offset1 - 1] > nums2[pos2 + offset2 - 1]) return findkth(nums1, pos1, nums2, pos2 + offset2, k - offset2);
if(nums1[pos1 + offset1 - 1] == nums2[pos2 + offset2 - 1]) return nums1[pos1 + offset1 - 1];
}
double findMedianSortedArrays(vector<int>& nums1, vector<int>& nums2) {
int len = nums1.size() + nums2.size();
if(len & 1) return findkth(nums1, 0, nums2, 0, len/2+1);
else return (findkth(nums1, 0, nums2, 0, len/2) + findkth(nums1, 0, nums2, 0, len/2+1)) / 2;
}
};