合并两个有序数组

给你两个有序整数数组 nums1 和 nums2，请你将 nums2 合并到 nums1 中，使 nums1 成为一个有序数组。

说明：

初始化 nums1 和 nums2 的元素数量分别为 m 和 n 。
你可以假设 nums1 有足够的空间（空间大小大于或等于 m + n）来保存 nums2 中的元素。

示例：

输入：
nums1 = [1,2,3,0,0,0], m = 3
nums2 = [2,5,6], n = 3

输出：[1,2,2,3,5,6]

方法一 : 合并后排序

最朴素的解法就是将两个数组合并之后再排序。该算法只需要一行(Java是2行)，时间复杂度较差，为O((n+m)log⁡(n+m))。这是由于这种方法没有利用两个数组本身已经有序这一点。

Java代码实现：

class Solution {
  public void merge(int[] nums1, int m, int[] nums2, int n) {
    System.arraycopy(nums2, 0, nums1, m, n);
    Arrays.sort(nums1);
  }
}

复杂度分析

时间复杂度 : O((n+m)log⁡(n+m))。
空间复杂度 : O(1)。

方法二 : 双指针 / 从前往后

一般而言，对于有序数组可以通过双指针法 达到O(n+m)的时间复杂度。

最直接的算法实现是将指针p1 置为 nums1的开头， p2为 nums2的开头，在每一步将最小值放入输出数组中。

由于 nums1 是用于输出的数组，需要将nums1中的前m个元素放在其他地方，也就需要 O(m) 的空间复杂度。

Java代码实现：

class Solution {
  public void merge(int[] nums1, int m, int[] nums2, int n) {
    // 将nums1复制一份.
    int [] nums1_copy = new int[m];
    System.arraycopy(nums1, 0, nums1_copy, 0, m);

    // 为 nums1_copy 和 nums2设置两个指针.
    int p1 = 0;
    int p2 = 0;

    // 为 nums1设置指针
    int p = 0;

    // 比较 nums1_copy 和 nums2这两个数组，将较小的整数依次填入nums1中
    while ((p1 < m) && (p2 < n))
      nums1[p++] = (nums1_copy[p1] < nums2[p2]) ? nums1_copy[p1++] : nums2[p2++];

    // 添加剩余的整数
    if (p1 < m)
      System.arraycopy(nums1_copy, p1, nums1, p1 + p2, m + n - p1 - p2);
    if (p2 < n)
      System.arraycopy(nums2, p2, nums1, p1 + p2, m + n - p1 - p2);
  }
}

复杂度分析

时间复杂度 : O(n+m)
空间复杂度 : O(m)

方法三 : 双指针 / 从后往前

方法二已经取得了最优的时间复杂度O(n+m)，但需要使用额外空间。这是由于在从头改变nums1的值时，需要把nums1中的元素存放在其他位置。

如果我们从结尾开始改写 nums1 的值又会如何呢？这里没有信息，因此不需要额外空间。

这里的指针 p 用于追踪添加元素的位置。

Java代码实现：

class Solution {
  public void merge(int[] nums1, int m, int[] nums2, int n) {
    // 设置 nums1 和 nums2的尾指针
    int p1 = m - 1;
    int p2 = n - 1;
    // 设置 nums1的尾指针
    int p = m + n - 1;
    
    while ((p1 >= 0) && (p2 >= 0))
      // 从尾端比较nums1 和 nums2，将较大的整数填到nums1尾部，并向前移动指针 
      nums1[p--] = (nums1[p1] < nums2[p2]) ? nums2[p2--] : nums1[p1--];
    // add missing elements from nums2
    System.arraycopy(nums2, 0, nums1, 0, p2 + 1);
  }
}

复杂度分析

时间复杂度 : O(n+m)
空间复杂度 : O(1)