【LeetCode】004. Median of Two Sorted Arrays

在LeetCode中,题号004的'两排序数组的中位数'被评为困难级别。经过多次尝试,终于获得通过,但运行效率仅为229ms,位于22.3%的解决方案之中。该问题涉及到多个边界条件的处理,代码中可能存在优化空间,特别是针对JavaScript数组边界的处理,与最佳实践相比存在明显冗余。
摘要由CSDN通过智能技术生成

这题在LeetCode上标记的是Hard,也确实提交了好几次才 AC 的。效率也不高,最终成绩为:229ms , 22.3%。有很多边界条件需要考虑,细节问题应该也可以优化,只是没想到beats 这么低。
立下一个 flag,好好考虑JS的数组边界问题,跟第一JS相比,代码冗余太多

var findMedianSortedArrays = function(nums1, nums2) {
    var iMax = nums1.length;
    var jMax = nums2.length;
    var k = iMax + jMax;
    var mMax = Math.floor(k/2)+1;
   var INF = 10000;
    var mMax = Math.floor(k/2)+1;
    var min2 = min1 = (nums2[0]||INF) > (nums1[0]||INF)? (nums1[0]||INF) : (nums2[0]||INF);
    if( !(nums1.length) ){
        return k%2 ?  nums2[ mMax -1 ] : (nums2[mMax - 1] + nums2[mMax - 2])/2;
    }
    if( !(nums2.length) ){
        return k%2 ?  nums1[ mMax -1 ] : (nums1[mMax - 1] + nums1[mMax - 2])/2;
    }
    // k = k%2 ? [(k-1)/2] : [k/2 - 1,k/2];
    for(var i = 0,j = 0, m = 0; m < mMax ; m++ ){   
        min2 = min1;
        if(i == iMax){
            min2 = nums2[mMax - 2 - i] > min2 ? nums2[mMax - 2 - i] : min2 ;
            min1 = nums2[mMax - 1 - i];console.log(min2,min1,i,j);
            break;
        }
        if(j == jMax){
            min2 = nums1[mMax - 2 - j] > min2 ? nums1[mMax - 2 - j] : min2;
            min1 = nums1[mMax - 1 - j];
            break;
        }

        if( nums1[i] > nums2[j] ){
            min1 = nums2[j];
            j++;
        }else{
            min1 = nums1[i];
            i++;
        }   
    }

    return k%2 ?  min1 : (min1+min2)/2;
};
  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
可以使用二分查找算法来解决这个问题。 首先,我们可以将两个数组合并成一个有序数组,然后求出中位数。但是,这个方法的时间复杂度为 $O(m + n)$,不符合题目要求。因此,我们需要寻找一种更快的方法。 我们可以使用二分查找算法在两个数组中分别找到一个位置,使得这个位置将两个数组分成的左右两部分的元素个数之和相等,或者两部分的元素个数之差不超过 1。这个位置就是中位数所在的位置。 具体来说,我们分别在两个数组中二分查找,假设现在在第一个数组中找到了一个位置 $i$,那么在第二个数组中对应的位置就是 $(m + n + 1) / 2 - i$。如果 $i$ 左边的元素个数加上 $(m + n + 1) / 2 - i$ 左边的元素个数等于 $m$ 个,或者 $i$ 左边的元素个数加上 $(m + n + 1) / 2 - i$ 左边的元素个数等于 $m + 1$ 个,则这个位置就是中位数所在的位置。 具体的实现可以参考以下 Java 代码: ```java public double findMedianSortedArrays(int[] nums1, int[] nums2) { int m = nums1.length, n = nums2.length; if (m > n) { // 保证第一个数组不大于第二个数组 int[] tmp = nums1; nums1 = nums2; nums2 = tmp; int t = m; m = n; n = t; } int imin = 0, imax = m, halfLen = (m + n + 1) / 2; while (imin <= imax) { int i = (imin + imax) / 2; int j = halfLen - i; if (i < imax && nums2[j - 1] > nums1[i]) { imin = i + 1; // i 太小了,增大 i } else if (i > imin && nums1[i - 1] > nums2[j]) { imax = i - 1; // i 太大了,减小 i } else { // i 是合适的位置 int maxLeft = 0; if (i == 0) { // nums1 的左边没有元素 maxLeft = nums2[j - 1]; } else if (j == 0) { // nums2 的左边没有元素 maxLeft = nums1[i - 1]; } else { maxLeft = Math.max(nums1[i - 1], nums2[j - 1]); } if ((m + n) % 2 == 1) { // 总元素个数是奇数 return maxLeft; } int minRight = 0; if (i == m) { // nums1 的右边没有元素 minRight = nums2[j]; } else if (j == n) { // nums2 的右边没有元素 minRight = nums1[i]; } else { minRight = Math.min(nums1[i], nums2[j]); } return (maxLeft + minRight) / 2.0; } } return 0.0; } ``` 时间复杂度为 $O(\log\min(m, n))$。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值