给定两个大小为 m 和 n 的有序数组 nums1
和 nums2
。
请你找出这两个有序数组的中位数,并且要求算法的时间复杂度为 O(log(m + n))。
你可以假设 nums1
和 nums2
不会同时为空。
示例 1:
nums1 = [1, 3]
nums2 = [2]
则中位数是 2.0
示例 2:
nums1 = [1, 2]
nums2 = [3, 4]
则中位数是 (2 + 3)/2 = 2.5
这道题首先一定是按照二分法的思想进行解答,最开始的想法是对两个有序数组分别进行二分,每次减少左边和右边的一半长度,经过分析发现,这样的算法有可能会将有效的中位数值减去。所以一定要固定左右两边分割的数组地长度。
为了解决这个问题,我们需要理解“中位数的作用是什么”。在统计中,中位数被用来:
将一个集合划分为两个长度相等的子集,其中一个子集中的元素总是大于另一个子集中的元素。
如果理解了中位数的划分作用,我们就很接近答案了。
首先,让我们在任一位置 iii 将 A\text{A}A 划分成两个部分:
left_A | right_A
A[0], A[1], ..., A[i-1] | A[i], A[i+1], ..., A[m-1]
由于 A\text{A}A 中有 mmm 个元素, 所以我们有 m+1m+1m+1 种划分的方法(i=0∼mi = 0 \sim mi=0∼m)。
我们知道:
len(left_A)=i,len(right_A)=m−i\text{len}(\text{left\_A}) = i, \text{len}(\text{right\_A}) = m - ilen(left_A)=i,len(right_A)=m−i.
注意:当 i=0i = 0i=0 时,left_A\text{left\_A}left_A 为空集, 而当 i=mi = mi=m 时, right_A\text{right\_A}right_A 为空集。
采用同样的方式,我们在任一位置 jjj 将 B\text{B}B 划分成两个部分:
left_B | right_B
B[0], B[1], ..., B[j-1] | B[j], B[j+1], ..., B[n-1]
将 left_A\text{left\_A}left_A 和 left_B\text{left\_B}left_B 放入一个集合,并将 right_A\text{right\_A}right_A 和 right_B\text{right\_B}right_B 放入另一个集合。 再把这两个新的集合分别命名为 left_part\text{left\_part}left_part 和 right_part\text{right\_part}right_part:
left_part | right_part
A[0], A[1], ..., A[i-1] | A[i], A[i+1], ..., A[m-1]
B[0], B[1], ..., B[j-1] | B[j], B[j+1], ..., B[n-1]
以下为C++代码:
class Solution {
public:
double findMedianSortedArrays(vector<int>& nums1, vector<int>& nums2) {
if(nums1.size() < nums2.size())
return func(nums1, nums2);
else
return func(nums2, nums1);
}
double func(vector<int>& nums1, vector<int>& nums2){
int m = nums1.size();
int n = nums2.size();
int mmax = m, mmin = 0, halflen = (m + n + 1) / 2;
while(mmin <= mmax){
int i = (mmin + mmax) / 2;
int j = halflen - i;
if ( i > mmin && nums1[i - 1] > nums2[j] ){
mmax = i - 1;
}
else if (i < mmax && nums2[j - 1] > nums1[i] ){
mmin = i + 1;
}
else{
int maxleft = 0;
if(i == 0)
maxleft = nums2[j - 1];
else if(j == 0)
maxleft = nums1[i - 1];
else
maxleft = max(nums1[i - 1], nums2[j - 1]);
if ( (m + n) % 2 == 1 ) { return maxleft; }
int minright = 0;
if(i == m)
minright = nums2[j];
else if(j == n)
minright = nums1[i];
else
minright = min(nums1[i], nums2[j]);
return (minright + maxleft) / 2.0;
}
}
return 0.0;
}
};