Median of Two Sorted Arrays
Given two sorted arrays nums1 and nums2 of size m and n respectively, return the median of the two sorted arrays.
Example 1:
Input: nums1 = [1,3], nums2 = [2]
Output: 2.00000
Explanation: merged array = [1,2,3] and median is 2.
Example 2:
Input: nums1 = [1,2], nums2 = [3,4]
Output: 2.50000
Explanation: merged array = [1,2,3,4] and median is (2 + 3) / 2 = 2.5.
Example 3:
Input: nums1 = [0,0], nums2 = [0,0]
Output: 0.00000
Example 4:
Input: nums1 = [], nums2 = [1]
Output: 1.00000
Example 5:
Input: nums1 = [2], nums2 = []
Output: 2.00000
Constraints:
nums1.length == m
nums2.length == n
0 <= m <= 1000
0 <= n <= 1000
1 <= m + n <= 2000
-106 <= nums1[i], nums2[i] <= 106
Solution
假设给定数组A、B,已排序。
- 合并A、B,生成C,中位数就是C数组中间的数
public double findMedianSortedArrays(int[] nums1, int[] nums2) {
int[] nums;
int m = nums1.length;
int n = nums2.length;
nums = new int[m + n];
if (m == 0) {
if (n % 2 == 0) {
return (nums2[n / 2 - 1] + nums2[n / 2]) / 2.0;
} else {
return nums2[n / 2];
}
}
if (n == 0) {
if (m % 2 == 0) {
return (nums1[m / 2 - 1] + nums1[m / 2]) / 2.0;
} else {
return nums1[m / 2];
}
}
int count = 0;
int i = 0, j = 0;
while (count != (m + n)) {
if (i == m) {
while (j != n) {
nums[count++] = nums2[j++];
}
break;
}
if (j == n) {
while (i != m) {
nums[count++] = nums1[i++];
}
break;
}
if (nums1[i] < nums2[j]) {
nums[count++] = nums1[i++];
} else {
nums[count++] = nums2[j++];
}
}
if (count % 2 == 0) {
return (nums[count / 2 - 1] + nums[count / 2]) / 2.0;
} else {
return nums[count / 2];
}
}
/**
* 时间复杂度:遍历全部数组 O(m+n)
* 空间复杂度:开辟了一个数组,保存合并后的两个数组 O(m+n)
*/
-
无需合并,已知A、B,那么就知道了合成数组的总长度
len
,那么中位数的位置也就知道了。此时有两种情况len
为偶数,那么只需找到合成数组的第len
/2 和 第len
/2 + 1个元素的值的平均值len
为奇数,那么只需找到合成数组的第len
/2 个元素值
维护两个指针p, q,遍历A、B即可。分别从小到大遍历数组直到指定位置
public double findMedianSortedArrays(int[] A, int[] B) { int m = A.length; int n = B.length; int len = m + n; int p = -1, q = -1; int aStart = 0, bStart = 0; for (int i = 0; i <= len / 2; i++) { p = q; if (aStart < m && (bStart >= n || A[aStart] < B[bStart])) { q = A[aStart++]; } else { p = B[bStart++]; } } if ((len & 1) == 0) return (p + q) / 2.0; else return right; } /** * 时间复杂度:遍历全部数组 O(m+n) * 空间复杂度:开辟了一个数组,保存合并后的两个数组 O(1) */
-
二分
以上方法的时间复杂度都是o(m + n),如何将时间复杂度降低至O(log(m + n))呢?看到log条件反射二分法
由上一个解法我们一直,求两个数组的中位数可以分解为找第
len
/2的元素或者第len
/2 和 第len
/2 + 1个元素。那么问题就变成了找第k个小的问题了。第k小问题 我们一般使用分治的思路(快排的思路),此题也同样使用这个思路。
analysis
我们可以比较 A[k/2-1]和 B[k/2−1]。由于 A[k/2−1] 和 B[k/2−1] 的前面分别有 A[0…k/2−2] 和 B[0…k/2−2],即k/2−1 个元素,对于 A[k/2−1] 和 B[k/2−1] 中的较小值,最多只会有(k/2−1)+(k/2−1)≤k−2 个元素比它小,那么它就不能是第 k 小的数了。
因此我们可以归纳出三种情况:
-
如果 A[k/2−1]<B[k/2−1],则比A[k/2−1] 小的数最多只有A 的前k/2−1 个数和 B 的前k/2−1 个数,即比 A[k/2−1] 小的数最多只有 k−2 个,因此A[k/2−1] 不可能是第 k 个数,A[0] 到 A[k/2−1] 也都不可能是第 k 个数,可以全部排除。
-
如果 A[k/2−1]>B[k/2−1],则可以排除B[0] 到B[k/2−1]。
-
如果 A[k/2−1]=B[k/2−1],可以归入第一种情况处理。
可以看到,比较 A[k/2−1] 和 B[k/2−1] 之后,可以排除k/2 个不可能是第 k 小的数,查找范围缩小了一半。同时,我们将在排除后的新数组上继续进行二分查找,并且根据我们排除数的个数,减少 k 的值,这是因为我们排除的数都不大于第 k 小的数。
有以下三种情况需要特殊处理:
-
如果 A[k/2−1] 或者 B[k/2−1] 越界,那么我们可以选取对应数组中的最后一个元素。在这种情况下,我们必须根据排除数的个数减少 k 的值,而不能直接将 k 减去 k/2。
-
如果一个数组为空,说明该数组中的所有元素都被排除,我们可以直接返回另一个数组中第 k 小的元素。
-
如果 k=1(最小的数),我们只要返回两个数组首元素的最小值即可。
-
用一个例子说明上述算法。假设两个有序数组如下:
A: 1 3 4 9
B: 1 2 3 4 5 6 7 8 9
两个有序数组的长度分别是 4 和 9,长度之和是 13,中位数是两个有序数组中的第 7 个元素,因此需要找到第 k=7 个元素。
比较两个有序数组中下标为 k/2−1=2 的数,即 A[2] 和 B[2],如下面所示:
A: 1 3 4 9
↑
B: 1 2 3 4 5 6 7 8 9
↑
由于 A[2]>B[2],因此排除 B[0] 到 B[2],即数组 B 的下标偏移(offset)变为 3,同时更新 k 的值:k=k−k/2=4。
下一步寻找,比较两个有序数组中下标为 k/2−1=1 的数,即 A[1] 和 B[4],如下面所示,其中方括号部分表示已经被排除的数。
A: 1 3 4 9
↑
B: [1 2 3] 4 5 6 7 8 9
↑
由于 A[1]<B[4],因此排除 A[0] 到 A[1],即数组A 的下标偏移变为 2,同时更新 kk 的值:k=k−k/2=2。
下一步寻找,比较两个有序数组中下标为 k/2−1=0 的数,即比较A[2] 和 B[3],如下面所示,其中方括号部分表示已经被排除的数。
A: [1 3] 4 9
↑
B: [1 2 3] 4 5 6 7 8 9
↑
由于A[2]=B[3],根据之前的规则,排除A 中的元素,因此排除A[2],即数组 A 的下标偏移变为 3,同时更新 kk 的值: k=k-k/2=1。
由于 k 的值变成 1,因此比较两个有序数组中的未排除下标范围内的第一个数,其中较小的数即为第 k 个数,由于A[3]>B[3],因此第 k 个数是 B[3]=4。
A: [1 3 4] 9
↑
B: [1 2 3] 4 5 6 7 8 9
↑
public class Solution {
public double findMedianSortedArrays(int[] nums1, int[] nums2) {
int n = nums1.length;
int m = nums2.length;
int len = n + m;
if(len % 2 == 1) {
int k = len / 2;
double median = getKthElement(nums1, nums2, k + 1);
return median;
} else {
int k1 = len / 2 - 1;
int k2 = len / 2;
double median = (getKthElement(nums1, nums2, k1 + 1) + getKthElement(nums1, nums2, k2 + 1)) / 2.0;
return median;
}
}
private double getKthElement(int[] nums1, int[] nums2, int k) {
/* 主要思路:要找到第 k (k>1) 小的元素,那么就取 pivot1 = nums1[k/2-1] 和 pivot2 = nums2[k/2-1] 进行比较
* 这里的 "/" 表示整除
* nums1 中小于等于 pivot1 的元素有 nums1[0 .. k/2-2] 共计 k/2-1 个
* nums2 中小于等于 pivot2 的元素有 nums2[0 .. k/2-2] 共计 k/2-1 个
* 取 pivot = min(pivot1, pivot2),两个数组中小于等于 pivot 的元素共计不会超过 (k/2-1) + (k/2-1) <= k-2 个
* 这样 pivot 本身最大也只能是第 k-1 小的元素
* 如果 pivot = pivot1,那么 nums1[0 .. k/2-1] 都不可能是第 k 小的元素。把这些元素全部 "删除",剩下的作为新的 nums1 数组
* 如果 pivot = pivot2,那么 nums2[0 .. k/2-1] 都不可能是第 k 小的元素。把这些元素全部 "删除",剩下的作为新的 nums2 数组
* 由于我们 "删除" 了一些元素(这些元素都比第 k 小的元素要小),因此需要修改 k 的值,减去删除的数的个数
*/
int n = nums1.length;
int m = nums2.length;
int index1 = 0, index2 = 0;
while (true) {
//边界
if(index1 == n) {
return nums2[index2 + k - 1];
}
if(index2 == m) {
return nums1[index1 + k - 1];
}
if(k == 1) {
return Math.min(nums1[index1], nums2[index2]);
}
// 正常情况
int mid = k / 2;
int newIndex1 = Math.min(index1 + mid, n) - 1;
int newIndex2 = Math.min(index2 + mid, m) - 1;
int pivot1 = nums1[newIndex1], pivot2 = nums2[newIndex2];
if(pivot1 < pivot2) {
k -= (newIndex1 - index1 + 1);
index1 = newIndex1 + 1;
} else {
k -= (newIndex2 - index2 + 1);
index2 = newIndex2 + 1;
}
}
}
}
/**
* 时间复杂度:遍历全部数组 O(log(m+n))
* 空间复杂度:开辟了一个数组,保存合并后的两个数组 O(1)
*/
TIP
此处非常感谢LeetCode-Solution提供的第三种方法的文案