4. 寻找两个正序数组的中位数
题目
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)) 。
一开始看这个题目就说,怎么这么简单的题目也能是困难题,后面看到要求的时间复杂度,就想到困难题肯定有困难的原因。
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
解法3参考官方题解:
解法1(暴力,归并排序)
思路
- 求两个有序数组的中位数,最容易想到的就是合并两个数组,再求合并后数组的中位数。
- 合并有序数组,就可以使用归并排序。
- 时间复杂度O(m + n),不符合题目要求
public double findMedianSortedArrays(int[] nums1, int[] nums2) {
int m = nums1.length;
int n = nums2.length;
int[] nums = new int[m + n];
if (m == 0) {
// nums1数组为空,返回num2数组的中位值
if (n % 2 == 0) {
return (nums2[n / 2 - 1] + nums2[n / 2]) / 2.0;
} else {
return nums2[n / 2];
}
}
if (n == 0) {
// nums2数组为空,返回num1数组的中位值
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) {
// num1数组遍历结束
while (j != n) {
nums[count++] = nums2[j++];
}
break;
}
if (j == n) {
// num2数组遍历结束
while (i != m) {
nums[count++] = nums1[i++];
}
break;
}
// 遍历nums1,nums2数组
if (nums1[i] < nums2[j]) {
nums[count++] = nums1[i++];
} else {
nums[count++] = nums2[j++];
}
}
// 返回合并后数组的中位数
if (count % 2 == 0) {
return (nums[count / 2 - 1] + nums[count / 2]) / 2.0;
} else {
return nums[count / 2];
}
}
解法2
思路
- 对第一种解法进行优化
- 不真正合并两个数组,只需要找到中位数即可
- 只需要找到第int(length / 2)个值和int(length / 2) + 1个值。
- 如果length是奇数,返回第int(length / 2) + 1个值。
- 如果是偶数,返回第int(length / 2) 和第int(length / 2) + 1之和的平均数
- 但是时间复杂度还是O(m + n)
public int lengthOfLongestSubstring(String s) {
int m = nums1.length;
int n = nums2.length;
int length = m + n;
int left = -1, right = -1;
int start1 = 0, start2 = 0;
for (int i = 0; i <= length / 2; i++) {
// 更新上一次遍历的值
left = right;
if (start1 < m && (start2 >= n || nums1[start1] < nums2[start2])) {
// 更新当前遍历的值
right = nums1[start1++];
} else {
right = nums2[start2++];
}
}
if ((length & 1) == 0) {
// 如果数组长度位偶数,输出两次遍历的和的平均值
return (left + right) / 2.0;
} else {
// 如果数组长度是奇数,输出当前遍历的值
return right;
}
}
解法3(二分查找)
思路
- 当看到时间复杂度的要求有log时,经常会使用到二分查找。
public double findMedianSortedArrays(int[] nums1, int[] nums2) {
int length1 = nums1.length, length2 = nums2.length;
int total = length1 + length2;
if (total % 2 == 1) {
int mid = total / 2;
double median = getKthElement(nums1, nums2, mid + 1);
return median;
} else {
int mid1 = totalLength / 2 - 1, mid2 = totalLength / 2;
double median = (getKthElement(nums1, nums2, mid1 + 1) + getKthElement(nums1, nums2, mid2 + 1)) / 2.0;
return median;
}
}
public int 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 length1 = nums1.length, length2 = nums2.length;
int index1 = 0, index2 = 0;
int kthElement = 0;
while (true) {
// 边界情况
if (index1 == length1) {
return nums2[index2 + k - 1];
}
if (index2 == length2) {
return nums1[index1 + k - 1];
}
if (k == 1) {
return Math.min(nums1[index1], nums2[index2]);
}
// 正常情况
int half = k / 2;
int newIndex1 = Math.min(index1 + half, length1) - 1;
int newIndex2 = Math.min(index2 + half, length2) - 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;
}
}
}