题目描述:
给定两个大小分别为 m
和 n
的正序(从小到大)数组 nums1
和 nums2
。请你找出并返回这两个正序数组的 中位数 。
算法的时间复杂度应该为 O(log (m+n))
。
示例 1:
输入:nums1 = [1,3], nums2 = [2] 输出:2.00000 解释:合并数组 = [1,2,3] ,中位数 2
示例 2:
输入:nums1 = [1,2], nums2 = [3,4] 输出:2.50000 解释:合并数组 = [1,2,3,4] ,中位数 (2 + 3) / 2 = 2.5
解法:
class Solution:
def findMedianSortedArrays(self, nums1: List[int], nums2: List[int]) -> float:
# Ensure nums1 is the smaller array
if len(nums1) > len(nums2):
nums1, nums2 = nums2, nums1
m, n = len(nums1), len(nums2)
left, right = 0, m
half_len = (m + n + 1) // 2
while left <= right:
i = (left + right) // 2
j = half_len - i
if i < m and nums2[j - 1] > nums1[i]:
left = i + 1
elif i > 0 and nums1[i - 1] > nums2[j]:
right = i - 1
else:
if i == 0: max_of_left = nums2[j - 1]
elif j == 0: max_of_left = nums1[i - 1]
else: max_of_left = max(nums1[i - 1], nums2[j - 1])
if (m + n) % 2 == 1:
return max_of_left
if i == m: min_of_right = nums2[j]
elif j == n: min_of_right = nums1[i]
else: min_of_right = min(nums1[i], nums2[j])
return (max_of_left + min_of_right) / 2.0
详细思路
当解释这段代码时,我们将逐步分析每一部分的作用和实现方式,以便更好地理解其功能和运行机制。
1. 确保 nums1
是较短的数组
if len(nums1) > len(nums2): nums1, nums2 = nums2, nums1
这一部分代码首先比较 nums1
和 nums2
的长度,如果 nums1
较长,通过交换使得 nums1
成为较短的数组。这样做是为了简化后续的二分查找过程,因为在二分查找中,我们希望在较短的数组上进行操作,以确保效率和简洁性。
2. 初始化变量和二分查找准备
m, n = len(nums1), len(nums2)
left, right = 0, m
half_len = (m + n + 1) // 2
m
和n
分别是nums1
和nums2
的长度。left
和right
是用于二分查找的指针,初始化为0
和m
。half_len
是两个数组合并后的中间位置。如果总长度为奇数,half_len
是左边部分的长度,如果是偶数,half_len
是左边部分加一的长度。
3. 开始二分查找
while left <= right:
i = (left + right) // 2
j = half_len - i
这里开始了二分查找的循环。i
是 nums1
中的分割点,j
是 nums2
中的分割点。每次迭代,我们计算 i
和 j
的值,并根据它们来调整 left
和 right
的位置,以缩小搜索范围。
4. 分割点位置的判断和调整
if i < m and nums2[j - 1] > nums1[i]:
left = i + 1
elif i > 0 and nums1[i - 1] > nums2[j]:
right = i - 1
else:
# Found the correct partition
...
- 如果
i
太小,意味着nums1[i]
太小,需要增加i
,即将left
向右移动。 - 如果
i
太大,意味着nums1[i]
太大,需要减小i
,即将right
向左移动。 - 当找到合适的
i
时,即i
满足分割条件时,执行下一步操作。
5. 计算中位数
if i == 0:
max_of_left = nums2[j - 1]
elif j == 0:
max_of_left = nums1[i - 1]
else:
max_of_left = max(nums1[i - 1], nums2[j - 1])
if (m + n) % 2 == 1:
return max_of_left
if i == m:
min_of_right = nums2[j]
elif j == n:
min_of_right = nums1[i]
else:
min_of_right = min(nums1[i], nums2[j])
return (max_of_left + min_of_right) / 2.0
-
计算左半部分的最大值
max_of_left
:- 如果
i
为0
,则nums1
的左半部分为空,最大值为nums2[j - 1]
。 - 如果
j
为0
,则nums2
的左半部分为空,最大值为nums1[i - 1]
。 - 否则,取
nums1[i - 1]
和nums2[j - 1]
的较大值。
- 如果
-
如果总长度是奇数,直接返回
max_of_left
。 -
计算右半部分的最小值
min_of_right
:- 如果
i
等于m
,则nums1
的右半部分为空,最小值为nums2[j]
。 - 如果
j
等于n
,则nums2
的右半部分为空,最小值为nums1[i]
。 - 否则,取
nums1[i]
和nums2[j]
的较小值。
- 如果
-
最后,如果总长度是偶数,返回左半部分的最大值
max_of_left
和右半部分的最小值min_of_right
的平均值作为中位数。
这样,整个算法通过二分查找的方式,有效地找到了两个已排序数组的中位数,同时保证了时间复杂度在 O(log (m+n))
的范围内。