力扣:4、寻找两个正序数组的中位数

力扣:4、寻找两个正序数组的中位数

力扣小白的自闭学习过程,争取做到每日更新,加油


题目描述

给定两个大小分别为 m m m n n n的正序(从小到大)数组 n u m s 1 nums_1 nums1 n u m s 2 nums_2 nums2。请你找出并返回这两个正序数组的 中位数 。

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

一、二分查找

原理
二分查找的原理,可以参见这位大佬,说的很详细还有动图,简单明了。

解题思路
找了一圈发现官方讲的最详细,这里直接引用官方内容

根据中位数的定义,当 m + n m+n m+n是奇数时,中位数是两个有序数组中的第 ( m + n ) / 2 (m+n)/2 (m+n)/2个元素,当 m + n m+n m+n是偶数时,中位数是两个有序数组中的第 ( m + n ) / 2 (m+n)/2 (m+n)/2个元素和第 ( m + n ) / 2 + 1 (m+n)/2+1 (m+n)/2+1个元素的平均值。因此,这道题可以转化成寻找两个有序数组中的第 k k k小的数,其中 k k k ( m + n ) / 2 (m+n)/2 (m+n)/2 ( m + n ) / 2 + 1 (m+n)/2+1 (m+n)/2+1

假设两个有序数组分别是 A A A B B B。要找到第 k k k个元素,我们可以比较 A [ k / 2 − 1 ] A[k/2−1] A[k/21] B [ k / 2 − 1 ] B[k/2−1] B[k/21],其中 / / /表示整数除法。由于 A [ k / 2 − 1 ] A[k/2−1] A[k/21] B [ k / 2 − 1 ] B[k/2−1] B[k/21]的前面分别有 A [ 0   . .   k / 2 − 2 ] A[0 .. k/2−2] A[0..k/22] B [ 0   . .   k / 2 − 2 ] B[0 .. k/2−2] B[0..k/22],即 k / 2 − 1 k/2−1 k/21个元素,对于 A [ k / 2 − 1 ] A[k/2−1] A[k/21] B [ k / 2 − 1 ] B[k/2−1] B[k/21]中的较小值,最多只会有 ( k / 2 − 1 ) + ( k / 2 − 1 ) ≤ k − 2 (k/2−1)+(k/2−1)≤k−2 (k/21)+(k/21)k2个元素比它小,那么它就不能是第 k k 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 ] A[k/2−1]<B[k/2−1] A[k/21]<B[k/21],则比 A [ k / 2 − 1 ] A[k/2−1] A[k/21]小的数最多只有 A A A的前 k / 2 − 1 k/2−1 k/21个数和 B B B的前 k / 2 − 1 k/2−1 k/21个数,即比 A [ k / 2 − 1 ] A[k/2−1] A[k/21]小的数最多只有 k − 2 k−2 k2个,因此 A [ k / 2 − 1 ] A[k/2−1] A[k/21]不可能是第 k k k个数, A [ 0 ] A[0] A[0] A [ k / 2 − 1 ] A[k/2−1] A[k/21]也都不可能是第 k k k个数,可以全部排除。

  • 如果 A [ k / 2 − 1 ] > B [ k / 2 − 1 ] A[k/2−1]>B[k/2−1] A[k/21]>B[k/21],则可以排除 B [ 0 ] B[0] B[0] B [ k / 2 − 1 ] B[k/2−1] B[k/21]

  • 如果 A [ k / 2 − 1 ] = B [ k / 2 − 1 ] A[k/2−1]=B[k/2−1] A[k/21]=B[k/21],则可以归入第一种情况处理。

可以看到,比较 A [ k / 2 − 1 ] A[k/2−1] A[k/21] B [ k / 2 − 1 ] B[k/2−1] B[k/21]之后,可以排除 k / 2 k/2 k/2个不可能是第 k k 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 k k的值,这是因为我们排除的数都不大于第 k k k小的数。

有以下三种情况需要特殊处理:

  • 如果 A [ k / 2 − 1 ] A[k/2−1] A[k/21]或者 B [ k / 2 − 1 ] B[k/2−1] B[k/21]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 k k的值,而不能直接将 k k k减去 k / 2 k/2 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 k k小的元素。

  • 如果 k = 1 k=1 k=1,我们只要返回两个数组首元素的最小值即可。

class Solution:
    def findMedianSortedArrays(self, nums1: List[int], nums2: List[int]) -> float:
        def getKthElement(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
            """
            index1, index2 = 0, 0
            while True:
                # 特殊情况
                if index1 == m:
                    return nums2[index2 + k - 1]
                if index2 == n:
                    return nums1[index1 + k - 1]
                if k == 1:
                    return min(nums1[index1], nums2[index2])

                # 正常情况
                newIndex1 = min(index1 + k // 2 - 1, m - 1)
                newIndex2 = min(index2 + k // 2 - 1, n - 1)
                pivot1, pivot2 = nums1[newIndex1], nums2[newIndex2]
                if pivot1 <= pivot2:
                    k -= newIndex1 - index1 + 1
                    index1 = newIndex1 + 1
                else:
                    k -= newIndex2 - index2 + 1
                    index2 = newIndex2 + 1
        
        m, n = len(nums1), len(nums2)
        totalLength = m + n
        if totalLength % 2 == 1:
            return getKthElement((totalLength + 1) // 2)
        else:
            return (getKthElement(totalLength // 2) + getKthElement(totalLength // 2 + 1)) / 2

复杂度

  • 空间复杂度: O ( 1 ) O(1) O(1)
  • 时间复杂度: O ( n 2 ) O(n^2) O(n2)

执行结果

在这里插入图片描述


参考内容:
1、https://zhuanlan.zhihu.com/p/143879079
2、https://leetcode-cn.com/problems/median-of-two-sorted-arrays/solution/xun-zhao-liang-ge-you-xu-shu-zu-de-zhong-wei-s-114/

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
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