算法寻找两个正序数组的中位数

寻找两个正序数组的中位数是一个经典的算法问题，它不仅考验了对数组操作的理解，还涉及到了二分查找和边界条件处理等高级技巧。本文将详细介绍几种高效的算法来解决这个问题，并通过具体的代码示例帮助读者理解和掌握这些方法。

基本概念和作用说明

中位数的定义

中位数是指将一个有序列表分成两个相等部分的那个数。如果列表的长度是奇数，中位数就是中间的那个数；如果列表的长度是偶数，中位数则是中间两个数的平均值。

问题描述

给定两个正序数组 nums1 和 nums2，我们需要找到这两个数组合并后的中位数。假设两个数组的总长度为 m + n，我们需要在 O(log(min(m, n))) 的时间复杂度内完成这个任务。

寻找中位数的算法

示例一：合并排序法

最直观的方法是将两个数组合并成一个有序数组，然后找到中位数。这种方法简单易懂，但时间复杂度为 O((m+n)log(m+n))，不适合大规模数据。

def find_median_sorted_arrays_merge(nums1: list, nums2: list) -> float:
    """
    使用合并排序法找到两个正序数组的中位数。
    
    参数:
    nums1 (list): 第一个正序数组
    nums2 (list): 第二个正序数组
    
    返回:
    float: 合并后数组的中位数
    """
    merged = sorted(nums1 + nums2)
    total_length = len(merged)
    if total_length % 2 == 0:
        return (merged[total_length // 2 - 1] + merged[total_length // 2]) / 2
    else:
        return merged[total_length // 2]

# 测试函数
nums1 = [1, 3]
nums2 = [2]
print(find_median_sorted_arrays_merge(nums1, nums2))  # 输出: 2.0

示例二：二分查找法

二分查找法是一种更高效的方法，可以在 O(log(min(m, n))) 的时间复杂度内找到中位数。核心思想是在两个数组中分别找到一个分割点，使得左边的元素都不大于右边的元素。

def find_median_sorted_arrays_binary_search(nums1: list, nums2: list) -> float:
    """
    使用二分查找法找到两个正序数组的中位数。
    
    参数:
    nums1 (list): 第一个正序数组
    nums2 (list): 第二个正序数组
    
    返回:
    float: 合并后数组的中位数
    """
    if len(nums1) > len(nums2):
        nums1, nums2 = nums2, nums1

    x, y = len(nums1), len(nums2)
    low, high = 0, x

    while low <= high:
        partitionX = (low + high) // 2
        partitionY = (x + y + 1) // 2 - partitionX

        maxX = float('-inf') if partitionX == 0 else nums1[partitionX - 1]
        minX = float('inf'