leetcode 腾讯精选练习（50 题）2.寻找两个有序数组的中位数

最新推荐文章于 2021-10-20 21:57:13 发布

solejay

最新推荐文章于 2021-10-20 21:57:13 发布

阅读量118

点赞数

分类专栏： leetcode

本文链接：https://blog.csdn.net/m0_37991005/article/details/90114654

版权

leetcode 专栏收录该内容

50 篇文章 1 订阅

订阅专栏

本文探讨了如何在两个大小分别为m和n的有序数组中找到中位数，提出了一个运行时间复杂度为O(log(m+n))的解决方案。通过实例展示了不同情况下的中位数计算，并对比了多种解法，包括直接合并排序和优秀的二分查找策略。

摘要由CSDN通过智能技术生成

原题目

There are two sorted arrays nums1 and nums2 of size m and n respectively.

Find the median of the two sorted arrays. The overall run time complexity should be O(log (m+n)).

You may assume nums1 and nums2 cannot be both empty.

Example 1:
nums1 = [1, 3]
nums2 = [2]

The median is 2.0
Example 2:
nums1 = [1, 2]
nums2 = [3, 4]

The median is (2 + 3)/2 = 2.5

思路

分别对两个数组进行二分查找，找到其中位数进行比较，将中位数较小的数组选择其中位数到最后一个元素作为新数组，中位数较大的数组选择其第一个元素到中位数作为新数组。

第一遍解法

方法一：没能解决的问题：偶数数组的中位数怎么选择？
方法二：将两个数组合并为一个数组然后排序取中位数

# Runtime: 52 ms, faster than 99.62% of Python3
# Memory Usage: 13.3 MB, less than 5.11% of Python3
class Solution:
    def findMedianSortedArrays(self, nums1, nums2):
        for i in range(len(nums2)):
            nums1.append(nums2[i])
        nums1 = sorted(nums1)
        l = len(nums1)
        if l % 2 == 0:
            return (nums1[l//2] + nums1[l//2-1]) / 2
        else:
            return float(nums1[l//2])

网上好的解法

优秀思路

 def median(A, B):
    m, n = len(A), len(B)
    if m > n:
        A, B, m, n = B, A, n, m
    if n == 0:
        raise ValueError

    imin, imax, half_len = 0, m, (m + n + 1) / 2
    while imin <= imax:
        i = (imin + imax) / 2
        j = half_len - i
        if i < m and B[j-1] > A[i]:
            # i is too small, must increase it
            imin = i + 1
        elif i > 0 and A[i-1] > B[j]:
            # i is too big, must decrease it
            imax = i - 1
        else:
            # i is perfect

            if i == 0: max_of_left = B[j-1]
            elif j == 0: max_of_left = A[i-1]
            else: max_of_left = max(A[i-1], B[j-1])

            if (m + n) % 2 == 1:
                return max_of_left

            if i == m: min_of_right = B[j]
            elif j == n: min_of_right = A[i]
            else: min_of_right = min(A[i], B[j])

            return (max_of_left + min_of_right) / 2.0