LeetCode刷题笔记4寻找两个正序数组的中位数

进阶：你能设计一个时间复杂度为 O(log (m+n)) 的算法解决此问题吗？

自我题解

思路1：直接合并两个数组，如果总长度为奇数那么就是中间那一个，如果偶数那么就是中间哪两个的平局值。

思路2：因为两个数组都是有序的，我们每次减去一个最大值和最小值，这样当剩下的数小于等于2的时候，就是中位数。

因为都有序，那么最大值和最小值一定在两个数组的两端产生。

示例代码：

public double solution1(int[] nums1, int[] nums2) {
int leftStart = 0, leftEnd = nums1.length - 1, rightStart = 0, rightEnd = nums2.length - 1;
int leftL = leftEnd - leftStart + 1;
int rightL = rightEnd - rightStart + 1;
if (rightL == 0 && leftL == rightL) {
return 0;
}
while (leftL + rightL > 2) {
if (leftStart > leftEnd) {//左侧已经没有可供选择的数
rightStart++;
rightEnd–;
} else if (rightStart > rightEnd) {//右侧没有可供选择的数
leftStart++;
leftEnd–;
} else {
if (nums1[leftStart] < nums2[rightStart]) {
leftStart++;
} else {
rightStart++;
}
if (nums1[leftEnd] > nums2[rightEnd]) {
leftEnd–;
} else {
rightEnd–;
}
}
leftL = leftEnd - leftStart + 1;
rightL = rightEnd - rightStart + 1;
}
if (leftL == 0) {
return (nums2[rightStart] + nums2[rightEnd]) / 2.0;
} else if (rightL == 0) {
return (nums1[leftStart] + nums1[leftEnd]) / 2.0;
} else {
return (nums1[leftStart] + nums2[rightStart]) / 2.0;
}
}

可以看到我们自己的方案虽然能够获取正确值，但是其时间复杂度为o(m+n),m n 分别为两个数组长度。

题目想要时间复杂度为 O(log (m+n)) 的算法,该如何做呢？

官方题解：二分查找法

因为两个数组都是有序，并且长度已知，假设我们将两个数组合并成一个有序数组，那么我们可以直接根据合并后数组的下标来确定中位数。假设 两个数组长度分别为 m n; k = (m+n)/2。官方的二分查找法就是在不合并数组的情况下，利用二分法来确定第k个元素原来数组上的位置。因为m n k 全部都是已知数，题目就转化成了，求两个有序数组合并后的第k个位置的数是哪一个。

我们比较前A B 数组第 k/2 -1 个数 ，对于其中最小的数，连同自身共有k/2个数必定小于第k个元素。

从上面的数组中我们可以知道中位数是第6个和第7个数的平均数，假设我们要求第6个数，我们只需要排除前面5个数，剩下的最小的一个就是第6个数。

以上面的数据为例：

k = 6 ； K/2-1 = 2 比较 A[2] =6; B[2] = 9、A[2] 小，即A[0]、A[1]、A[2] 都比第K个元素小。一共要排除(k-1) = 5个元素已经排除了三个 k = k - 3 = 3。此时A数组的起始位置是3

k=3， K/2-1 = 0；A[0+3] = 8、 B[0] = 5,B[0] 小，同理，排除B[0] k的总数减去1 k = k - 1 = 2 此时B数组的起始位置是1

k = 2, K/2-1 = 0; A[0+3] = 8 、B[0+1] = 6 B[1] 小 ，排除B[1] k = k - 1 = 1 此时排除的总数 = 3+1+1 = k-1 B数组的起始位置是2

比较A[3] B[2] A[3] 小，即第6个数是A[3] = 8

leetCode官方代码：

public double findMedianSortedArrays(int[] nums1, int[] nums2) {
int length1 = nums1.length, length2 = nums2.length;
int totalLength = length1 + length2;
if (totalLength % 2 == 1) {
int midIndex = totalLength / 2;
double median = getKthElement(nums1, nums2, midIndex + 1);
return median;
} else {
int midIndex1 = totalLength / 2 - 1, midIndex2 = totalLength / 2;
double median = (getKthElement(nums1, nums2, midIndex1 + 1) + getKthElement(nums1, nums2, midIndex2 + 1)) / 2.0;
return median;
}
}

public int getKthElement(int[] nums1, int[] nums2, int k) {
/* 主要思路：要找到第 k (k>1) 小的元素，那么就取 pivot1 = nums1[k/2-1] 和 pivot2 = nums2[k/2-1] 进行比较

• 这里的 “/” 表示整除
• nums1 中小于等于 pivot1 的元素有 nums1[0 … k/2-2] 共计 k/2-1 个
• nums2 中小于等于 pivot2 的元素有 nums2[0 … k/2-2] 共计 k/2-1 个
• 取 pivot = min(pivot1, pivot2)，两个数组中小于等于 pivot 的元素共计不会超过 (k/2-1) + (k/2-1) <= k-2 个
• 这样 pivot 本身最大也只能是第 k-1 小的元素
• 如果 pivot = pivot1，那么 nums1[0 … k/2-1] 都不可能是第 k 小的元素。把这些元素全部 “删除”，剩下的作为新的 nums1 数组
• 如果 pivot = pivot2，那么 nums2[0 … k/2-1] 都不可能是第 k 小的元素。把这些元素全部 “删除”，剩下的作为新的 nums2 数组
• 由于我们 “删除” 了一些元素（这些元素都比第 k 小的元素要小），因此需要修改 k 的值，减去删除的数的个数
  */

int length1 = nums1.length, length2 = nums2.length;
int index1 = 0, index2 = 0;
int kthElement = 0;

while (true) {
// 边界情况
if (index1 == length1) {
return nums2[index2 + k - 1];
}
if (index2 == length2) {
return nums1[index1 + k - 1];
}
if (k == 1) {
return Math.min(nums1[index1], nums2[index2]);
}

// 正常情况
int half = k / 2;
int newIndex1 = Math.min(index1 + half, length1) - 1;
int newIndex2 = Math.min(index2 + half, length2) - 1;
int pivot1 = nums1[newIndex1], pivot2 = nums2[newIndex2];
if (pivot1 <= pivot2) {
k -= (newIndex1 - index1 + 1);
index1 = newIndex1 + 1;
} else {
k -= (newIndex2 - index2 + 1);
index2 = newIndex2 + 1;
}
}
}

官方题解：划分数组

相比较与二分查找，划分数组的官方题解确实有一定的理解难度。我这里不打算按照官方题解来解释这个问题。希望能够更加容易理解这个方法。

假设我们将两个数组合并成一个有序数组，并且按照下面的规则划分，

当总是是奇数，左侧的长度比右侧多1 ，当总数是偶数 左右两侧长度相等 即奇数时，中位数是左侧的最大值，偶数时是左侧最大值与右侧最小值的平均数。

在合并后的数组中，前（m+n）/2中的数如果有 i 个来自数组A那么剩余的 j = m+n）/2 - i个必然来自n。

举例说明：（m+n）/2 = 6

当 i = 0 时 j = 6 即前6个全部来自B数组，左侧最大值为B[5] = 30 > 右侧最小值A[0] = 1 不能构成有序数组， 不符合

当 i = 1 时 j = 5 左侧最大值是 A[0] B[4] 中的较大值；B4=[15] > 右侧最小值A[1] = 3 (B[5] = 30 > A[1]) 不能构成有序数组， 不符合

当 i = 2 时 j = 4 左侧最大值为B[3] = 12 右侧最小值是 A[2] = 6 不符合

当 i = 3 时 j = 3 左侧最大值是 B[2] = 9 右侧最小值是 A[3] = 8 不符合

当 i = 4 时 j = 2 左侧最大致是 A[3] = 8 右侧最小值是 B[2] = 9 符合 因为 两个数组总长度是偶数 中位数是 (左侧最大 + 右侧最小) / 2 .0= (8 + 9) /2.0 = 8.5

明显的此时的时间复杂度为O(m) 不符合 O(log (m+n)) 的算法。

采用二分查找法来进行处理，以数组长度较小的作为定准。为什么不能以较大的呢？假设m = 20 n = 2;因为二分查找, i 的取值范围是[0,20],k = (m+2)/2 = 11 如果i取大于11的数那么j就只能取负数，明显是不合理的。因此需要用较小长度的数组作为定准。

既然采用二分法来查找i的取值，那么什么时候 这个范围向上，什么时候范围向下呢？

我们继续补全上面案例中的数据

i = 5 时 j = 1 左侧最大数 A[4] = 12 右侧最小数为 B[1] = 6 不符合

学习路线+知识梳理

花了很长时间，就为了整理这张详细的知识路线脑图。当然由于时间有限、能力也都有限，毕竟嵌入式全体系实在太庞大了，包括我那做嵌入式的同学，也不可能什么都懂，有些东西可能没覆盖到，不足之处，还希望小伙伴们一起交流补充，一起完善进步。

这次就分享到这里吧，下篇见。
《Android学习笔记总结+移动架构视频+大厂面试真题+项目实战源码》，点击传送门，即可获取！
实在太庞大了，包括我那做嵌入式的同学，也不可能什么都懂，有些东西可能没覆盖到，不足之处，还希望小伙伴们一起交流补充，一起完善进步。

这次就分享到这里吧，下篇见。
《Android学习笔记总结+移动架构视频+大厂面试真题+项目实战源码》，点击传送门，即可获取！