寻找两个正序数组的中位数
- 给定两个大小分别为 m 和 n 的正序(从小到大)数组 nums1 和 nums2。请你找出并返回这两个正序数组的 中位数 。
算法的时间复杂度应该为 O(log (m+n)) 。
示例 1:
输入:nums1 = [1,3], nums2 = [2]
输出:2.00000
解释:合并数组 = [1,2,3] ,中位数 2
解题思路
- 1、使用二分查找法,将问题转化为寻找两个有序数组的第 k 小的数。
- 2、假设两个有序数组的长度分别为 m 和 n,目标是找到第 k 小的数。
- 3、对比两个数组的第 k/2 个元素(记为mid1和mid2),其中k为(m+n)的中位数。
- 4、如果 mid1 小于 mid2,则说明第 k 小的数不可能在 nums1 的前 k/2 个元素中,反之,则不可能在 nums2 的前 k/2 个元素中。
- 5、根据以上情况,缩小问题的规模,并递归查找第 k-k/2 小的数。
Java实现
public class FindMedianSortedArrays {
public double findMedianSortedArrays(int[] nums1, int[] nums2) {
int totalLen = nums1.length + nums2.length;
if (totalLen % 2 == 1) {
//奇数中位数,则为中间的那个数
return findKthSmallest(nums1, nums2, (totalLen + 1) / 2);
} else {
//偶数中位数,为中间两个数的平均值
return (findKthSmallest(nums1, nums2, totalLen / 2) + findKthSmallest(nums1, nums2, totalLen / 2 + 1)) / 2.0;
}
}
private int findKthSmallest(int[] nums1, int[] nums2, int k) {
int len1 = nums1.length, len2 = nums2.length;
//数组1为空,则第k个元素就是数组2的第k个元素
if (len1 == 0) {
return nums2[k - 1];
}
if (len2 == 0) {
return nums1[k - 1];
}
//k=1,则表示第一小元素
//取nums1[0]和 nums2[0]中小的值
if (k == 1) {
return Math.min(nums1[0], nums2[0]);
}
//找到数组1、2的前k/2个元素
// 如果数组长度小于k/2则取数组长度即可
int mid1 = Math.min(len1, k / 2);
int mid2 = Math.min(len2, k / 2);
//如果 mid1 小于 mid2,则说明第 k 小的数不可能在 nums1 的前 k/2 个元素中
if (nums1[mid1 - 1] < nums2[mid2 - 1]) {
//已经找到了nums1的k/2个元素mid1个元素
// 在剩下的元素中
// 还需要找到第k-mid1小的元素
return findKthSmallest(Arrays.copyOfRange(nums1, mid1, len1), nums2, k - mid1);
} else {
return findKthSmallest(nums1, Arrays.copyOfRange(nums2, mid2, len2), k - mid2);
}
}
public static void main(String[] args) {
FindMedianSortedArrays solution = new FindMedianSortedArrays();
// Test Case 1
int[] nums1 = {3, 4,5};
int[] nums2 = {6, 7,8,9,10,12};
double median1 = solution.findMedianSortedArrays(nums1, nums2);
System.out.println("Median of Test Case 1: " + median1); // Expected output: 7.0
// Test Case 2
int[] nums3 = {3, 4,5,11};
int[] nums4 = {1, 2,6,9,10,12};
double median2 = solution.findMedianSortedArrays(nums3, nums4);
System.out.println("Median of Test Case 2: " + median2); // Expected output: 5.5
}
}
时间空间复杂度
-
时间复杂度:O(log(min(m, n))),其中m和n分别为nums1和nums2的长度。因为每次查找时,都将问题的规模缩小一半。
-
空间复杂度:O(log(min(m, n))),因为使用了递归算法,需要递归调用log(min(m, n))次。