day04-寻找两个正序数组的中位数
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
示例 3:
输入:nums1 = [0,0], nums2 = [0,0]
输出:0.00000
示例 4:
输入:nums1 = [], nums2 = [1]
输出:1.00000
示例 5:
输入:nums1 = [2], nums2 = []
输出:2.00000
提示:
nums1.length == m
nums2.length == n
0 <= m <= 1000
0 <= n <= 1000
1 <= m + n <= 2000
-106 <= nums1[i], nums2[i] <= 106
来源:力扣(LeetCode)
链接:https://leetcode-cn.com/problems/median-of-two-sorted-arrays
解法一:常规排序
/**
打擂台的方法,从小到大将两个数组合并到nums3中,但是因为我们只需要中位数,所以不用完全合并,只需要合并sumLength/2+1个就可以,如果sumLength为奇数,中位数就是nums3[sumLength/2];如果sumLength为偶数,中位数就是( t = (double)nums3[sumLength/2-1]+nums3[sumLength/2]) > 0 ? t/2 : 0),之所以判断和大于0,是因为防止nums1 = [0,0],nums2 = [0,0]的情况会出现0/2的情况。
*/
class Solution {
public double findMedianSortedArrays(int[] nums1, int[] nums2) {
int sumLength = nums1.length + nums2.length;
int[] nums3 = new int[sumLength/2+1];
double t = 0;
if (sumLength == 0){
return 0;
}else if(nums1.length == 0){
return nums2.length % 2 ==0 ? ((t = (double)nums2[nums2.length/2-1]+nums2[nums2.length/2]) > 0 ? t/2 : 0) : ((double)nums2[nums2.length/2]);
}else if(nums2.length == 0){
return nums1.length % 2 ==0 ? ((t = (double)nums1[nums1.length/2-1]+nums1[nums1.length/2]) > 0 ? t/2 : 0) : ((double)nums1[nums1.length/2]);
}
int k = 0;
int j = 0;
for(int i=0;i<sumLength/2+1;i++){
if(k>=nums1.length){
nums3[i] = nums2[j++];
}else if(j>=nums2.length){
nums3[i] = nums1[k++];
}else{
nums3[i] = nums1[k] < nums2[j] ? nums1[k++] : nums2[j++];
}
}
return sumLength%2 ==0 ? (( t = (double)nums3[sumLength/2-1]+nums3[sumLength/2]) > 0 ? t/2 : 0) : ((double)nums3[sumLength/2]);
}
}
执行效果
解法二:二分法
解题思路
上边的思路,时间复杂度都达不到题目的要求 O(log(m+n))。看到 log,很明显,我们只有用到二分的方法才能达到。我们不妨用另一种思路,题目是求中位数,其实就是求第 k 小的数的一种特殊情况,而求第 k 小的数有一种算法。
由于数列是有序的,其实我们完全可以一半儿一半儿的排除。假设我们要找第 k
小数,我们可以每次循环排除掉 k/2
个数。看下边一个例子。
假设我们要找第 7 小的数字。
我们比较两个数组的第 k/2 个数字,如果 k 是奇数,向下取整。也就是比较第 33 个数字,上边数组中的 44 和下边数组中的 33,如果哪个小,就表明该数组的前 k/2 个数字都不是第 k 小数字,所以可以排除。也就是 11,22,33 这三个数字不可能是第 77 小的数字,我们可以把它排除掉。将 13491349 和 4567891045678910 两个数组作为新的数组进行比较。
更一般的情况 A[1] ,A[2] ,A[3],A[k/2] … ,B[1],B[2],B[3],B[k/2] … ,如果 A[k/2]<B[k/2] ,那么A[1],A[2],A[3],A[k/2]都不可能是第 k 小的数字。
A 数组中比 A[k/2] 小的数有 k/2-1 个,B 数组中,B[k/2] 比 A[k/2] 小,假设 B[k/2] 前边的数字都比 A[k/2] 小,也只有 k/2-1 个,所以比 A[k/2] 小的数字最多有 k/1-1+k/2-1=k-2个,所以 A[k/2] 最多是第 k-1 小的数。而比 A[k/2] 小的数更不可能是第 k 小的数了,所以可以把它们排除。
橙色的部分表示已经去掉的数字。
由于我们已经排除掉了 3 个数字,就是这 3 个数字一定在最前边,所以在两个新数组中,我们只需要找第 7 - 3 = 4 小的数字就可以了,也就是 k = 4。此时两个数组,比较第 2 个数字,3 < 5,所以我们可以把小的那个数组中的 1 ,3 排除掉了。
我们又排除掉 2 个数字,所以现在找第 4 - 2 = 2 小的数字就可以了。此时比较两个数组中的第 k / 2 = 1 个数,4 == 4,怎么办呢?由于两个数相等,所以我们无论去掉哪个数组中的都行,因为去掉 1 个总会保留 1 个的,所以没有影响。为了统一,我们就假设 4 > 4 吧,所以此时将下边的 4 去掉。
由于又去掉 1 个数字,此时我们要找第 1 小的数字,所以只需判断两个数组中第一个数字哪个小就可以了,也就是 4。
所以第 7 小的数字是 4。
我们每次都是取 k/2 的数进行比较,有时候可能会遇到数组长度小于 k/2的时候。
此时 k / 2 等于 3,而上边的数组长度是 2,我们此时将箭头指向它的末尾就可以了。这样的话,由于 2 < 3,所以就会导致上边的数组 1,2 都被排除。造成下边的情况。
由于 2 个元素被排除,所以此时 k = 5,又由于上边的数组已经空了,我们只需要返回下边的数组的第 5 个数字就可以了。
从上边可以看到,无论是找第奇数个还是第偶数个数字,对我们的算法并没有影响,而且在算法进行中,k 的值都有可能从奇数变为偶数,最终都会变为 1 或者由于一个数组空了,直接返回结果。
所以我们采用递归的思路,为了防止数组长度小于 k/2,所以每次比较 min(k/2,len(数组) 对应的数字,把小的那个对应的数组的数字排除,将两个新数组进入递归,并且 k 要减去排除的数字的个数。递归出口就是当 k=1 或者其中一个数字长度是 0 了。
解题代码
class Solution {
public double findMedianSortedArrays(int[] nums1, int[] nums2) {
int sumLength = nums1.length + nums2.length;
if (sumLength == 0){
return 0;
}
int k = (sumLength+1)/2;
int n = (sumLength+2)/2;
return ((double)method(nums1,0,nums2,0,k)+method(nums1,0,nums2,0,n))/2;
}
public int method(int[] nums1,int aStart, int[] nums2,int bStart,int k){
int len1 = nums1.length-aStart;
int len2 = nums2.length-bStart;
if(len1==0){
return nums2[bStart+k-1];
}
if(len2==0){
return nums1[aStart+k-1];
}
if(k==1){
return Math.min(nums1[aStart],nums2[bStart]);
}
int i = aStart + Math.min(len1,k/2)-1;
int j = bStart + Math.min(len2,k/2)-1;
if(nums1[i]<nums2[j]){
return method(nums1,i+1,nums2,bStart,k-(i-aStart+1));
}else{
return method(nums1,aStart,nums2,j+1,k-(j-bStart+1));
}
}
}
执行效率
将递归优化为循环
class Solution {
public double findMedianSortedArrays(int[] nums1, int[] nums2) {
int sumLength = nums1.length + nums2.length;
if (sumLength == 0){
return 0;
}
int k = (sumLength+1)/2;
int aStart = 0;
int bStart = 0;
int len1 =0;
int len2 = 0;
int i = 0;
int j = 0;
int left = -1;
int right = -1;
boolean flag = true;
while(true){
len1 = nums1.length-aStart;
len2 = nums2.length - bStart;
if(len1==0){
if(sumLength%2!=0){
return nums2[bStart+k-1];
}else{
if(!flag){
right = nums2[bStart+k-1];
break;
}
return ((double)nums2[bStart+k-1]+nums2[bStart+k])/2;
}
}
if(len2==0){
if(sumLength%2!=0){
return nums1[aStart+k-1];
}else{
if(!flag){
right = nums1[aStart+k-1];
break;
}
return ((double)nums1[aStart+k-1]+nums1[aStart+k])/2;
}
}
if(k==1){
if(sumLength%2!=0){
return Math.min(nums1[aStart],nums2[bStart]);
}else{
if(flag){
left = Math.min(nums1[aStart],nums2[bStart]);
flag = false;
k++;
}else{
right = Math.min(nums1[aStart],nums2[bStart]);
break;
}
}
}
i = aStart+Math.min(len1,k/2)-1;
j = bStart+Math.min(len2,k/2)-1;
if(nums1[i]<nums2[j]){
k = k-(i-aStart+1);
aStart = i+1;
}else{
k = k - (j-bStart+1);
bStart = j+1;
}
}
return ((double)left+right)/2;
}
}