LeetCode--Median of Two Sorted Arrays

5 篇文章 0 订阅

#Median of Two Sorted Arrays
##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

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

The median is 2.0

###Example

nums1 = [1, 2]
nums2 = [3, 4]

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

##分析
这题要求时间复杂度为O(log (m+n)).所以我们需要在遍历一次的一半时间内需要将结果找出来。而且我们不需要额外的申请空间,我们采取的策略是两个数组同时遍历,遍历的过程中同时比较元素的大小,这样我们就可以找出前O(log (m+n))个元素,然后就是我们需要寻找的结果。

##源码

double findMedianSortedArrays(int* nums1, int nums1Size, int* nums2, int nums2Size) {
    int totalSize = nums1Size + nums2Size;
    int medianSize = totalSize/2;
    int a1 = 0, a2 = 0;
    double result = 0;
    int t = 1;
    //当第一个数组为空的时候,再分别讨论奇偶
    if(nums1Size == 0) {
    	if(totalSize%2 == 0) {
    		int tag1,tag2;
    		for(int i = 0; i <= medianSize; i++) {
    			if(i == medianSize -1) {
    				tag1 = nums2[i];
    			}
    			if(i == medianSize) {
    				tag2 = nums2[i];
    			}
    		}
    		return (double)(tag1+tag2)/2;
    	} else {
    		int tag1,tag2;
    		for(int i = 0; i <= medianSize; i++) {
    			if(i == medianSize) {
    				tag1 = nums2[i];
    			}
    		}
    		return tag1;
    	}
    }
    //当第二个数组为空的时候,再分别讨论奇偶
    if(nums2Size == 0) {
    	if(totalSize%2 == 0) {
    		int tag1,tag2;
    		for(int i = 0; i <= medianSize; i++) {
    			if(i == medianSize -1) {
    				tag1 = nums1[i];
    			}
    			if(i == medianSize) {
    				tag2 = nums1[i];
    			}
    		}
    		return (double)(tag1+tag2)/2;
    	} else {
    		int tag1,tag2;
    		for(int i = 0; i <= medianSize; i++) {
    			if(i == medianSize) {
    				tag1 = nums1[i];
    			}
    		}
    		return tag1;
    	}
    }
    if(totalSize%2 == 0) {
    	int tag1 = 0, tag2 = 0;
    	for(int i = 0; i <= medianSize; i++) {	
    		if((nums1[a1] <= nums2[a2])&&(a1 < nums1Size)||a2 == nums2Size) {
  				if(i == medianSize - 1) {
  					tag1 = nums1[a1];
  				}
  				if(i == medianSize) {
  					tag2 = nums1[a1];
  				}
  				a1++;
    		} else{
    			if(i == medianSize - 1) {
    				tag1 = nums2[a2];
    			}
    			if(i == medianSize) {
    				tag2 = nums2[a2];
    			}
    			a2++;
    		}

    	}
    	//printf("%d\n", tag1);
    	return (double)(tag1+tag2)/2;
    } else {
    	int tag1 = 0;
    	for(int i = 0; i <= medianSize; i++){
			if((nums1[a1] <= nums2[a2])&&(a1 < nums1Size)||a2 == nums2Size) {
				if(i == medianSize ) {
					tag1 = nums1[a1];
				}
				a1++;
			} else {
				if(i == medianSize) {
					tag1 = nums2[a2];
				}
				a2++;
			}
		}
		return tag1;
    }
}

更多技术博客https://vilin.club/

  • 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题。 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 $O(m + n)$,不符合题目要求。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 $O(\log\min(m, n))$。
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