GO / 图解LeetCode 第四题 Median of Two Sorted Arrays

这道题虽然标记Hard,  但是看完图解你会觉得超级简单。

关键1. 如何找到中间点,通过连个数组长度和的奇偶数来判断,奇数用中间取两次除以二,偶数中间数字和前一个数字,这样无论什么都可以保证返回两个位置简化程序判断。

关键2. 不用循环完所有数组,更不需要把结构在存到新数组里,只需要找到对应中间点的两个值就好了。所以只需要循环次数和最大的中间点位置一致就可以了。

关键3. 遇到空数组,或者某个数组用完,将数值设置为最大整数,简化判断逻辑

下面看图

 代码:

package _4_test

import (
	"fmt"
	"testing"
)

func findMedianSortedArrays(nums1 []int, nums2 []int) float64 {
	mid1, mid2 := getMidPointers(len(nums1), len(nums2))
	leftIndex, rightIndex := 0, 0
	leftV, rightV := 0,0
	v, v1, v2 := 0, 0, 0
	MAX_INT := 1<<32-1

	for i := 0; i <= mid2; i++ {
		if leftIndex < len(nums1) {
			leftV = nums1[leftIndex]
		}else{
			leftV = MAX_INT
		}
		if rightIndex < len(nums2) {
			rightV = nums2[rightIndex]
		}else{
			rightV = MAX_INT
		}
		fmt.Printf("left: %v / %v right: %v/%v \n", leftIndex, leftV, rightIndex, rightV)
		if leftV <= rightV {
			leftIndex++
			v = leftV
		} else {
			rightIndex++
			v = rightV
		}
		if mid1 == i {
			v1 = v
		}
		if mid2 == i {
			v2 = v
		}
		fmt.Printf("v1/v2: %v/%v \n", v1,v2)
	}

	return float64(v1+v2) / 2.0
}

func getMidPointers(leftLength int, rightLength int) (int, int) {
	sum := leftLength + rightLength
	if sum < 1 {
		return sum, sum
	}
	isOdd := sum % 2 > 0

	mid := sum/2
	if isOdd {
		return mid, mid
	} else {
		return mid-1, mid
	}
}

type Param struct {
	arg1 []int
	arg2 []int
	rs   float64
}

func TestFun(t *testing.T) {
	ps := []Param{
		{
			arg1: []int{1, 3},
			arg2: []int{2},
			rs:   2.0,
		},
		{
			arg1: []int{1, 2},
			arg2: []int{3, 4},
			rs:   2.5,
		},
		{
			arg1: []int{0, 0},
			arg2: []int{0, 0},
			rs:   0.0,
		},
		{
			arg1: []int{},
			arg2: []int{1},
			rs:   1.0,
		},
		{
			arg1: []int{2},
			arg2: []int{},
			rs:   2.0,
		},
	}

	for index, p := range ps {
		temp := findMedianSortedArrays(p.arg1, p.arg2)
		if temp != p.rs {
			t.Error(index, "-Error")
			t.Logf("expect %v, got %v", p.rs, temp)
		} else {
			t.Logf("pass %v", index)
			t.Logf("expect %v, got %v", p.rs, temp)
		}
	}

}

  • 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。 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 $O(\log\min(m, n))$。

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
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