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)) 。
示例
- 示例一
输入:nums1 = [1,3], nums2 = [2]
输出:2.00000
解释:合并数组 = [1,2,3] ,中位数 2
- 示例二
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
思路及算法代码
思路
-
中位数的定义,当
m+n
是奇数时,中位数是两个有序数组中的第(m+n)/2
个元素,当m+n
是偶数时,中位数是两个有序数组中的第(m+n)/2
个元素和第(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
小的数,其中k
为(m+n)/2
或(m+n)/2+1
。 -
假设两个有序数组分别是
A
和B
。要找到第k
个元素,我们可以比较A[k/2−1]
和B[k/2−1]
,其中/
表示整数除法。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]
,则可以归入第一种情况处理。
-
-
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,因为k/2−1
之前最多有k-2
个小的数,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
,我们只要返回两个数组首元素的最小值即可。
-
例子
举一个例子来理解上述算法。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]=4
和 B[2]=3
,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]=3
和B[4]=5
,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 k
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]=4
和 B[3]=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[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 k
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]=9>B[3]=4
,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
代码实现
class Solution:
def findMedianSortedArrays(self, nums1: List[int], nums2: List[int]) -> float:
# 定义一个内部函数,用于找到两个数组中的第 k 小的元素
def getKthElement(k):
index1, index2 = 0, 0 # 初始化两个数组的索引
while True:
# 特殊情况:当其中一个数组已经遍历完时
if index1 == m: # 如果数组1已经遍历完
return nums2[index2 + k - 1] # 直接返回数组2中的第 k 小的元素
if index2 == n: # 如果数组2已经遍历完
return nums1[index1 + k - 1] # 直接返回数组1中的第 k 小的元素
if k == 1: # 如果 k 等于 1,即找到了最小的元素
return min(nums1[index1], nums2[index2]) # 返回两个数组当前索引位置的较小值
# 正常情况:使用二分查找来缩小问题规模
# 计算新的索引位置,保证不超出数组的范围
newIndex1 = min(index1 + k // 2 - 1, m - 1)
newIndex2 = min(index2 + k // 2 - 1, n - 1)
# 获取两个数组中新索引位置的元素
pivot1, pivot2 = nums1[newIndex1], nums2[newIndex2]
# 如果数组1中的元素小于等于数组2中的元素,则第 k 小的元素一定不在数组1的前半部分
if pivot1 <= pivot2:
# 更新 k 的值,将其减去数组1当前索引位置及其前面的元素个数
k -= newIndex1 - index1 + 1
index1 = newIndex1 + 1 # 更新数组1的索引位置
else: # 否则,第 k 小的元素一定不在数组2的前半部分
# 更新 k 的值,将其减去数组2当前索引位置及其前面的元素个数
k -= newIndex2 - index2 + 1
index2 = newIndex2 + 1 # 更新数组2的索引位置
m, n = len(nums1), len(nums2) # 获取两个数组的长度
totalLength = m + n # 计算两个数组的总长度
if totalLength % 2 == 1: # 如果总长度为奇数
return getKthElement((totalLength + 1) // 2) # 返回第 (总长度+1)//2 小的元素,即中位数
else: # 如果总长度为偶数
# 返回第 (总长度//2) 和第 (总长度//2 + 1) 小的元素之和的一半,即中位数
return (getKthElement(totalLength // 2) + getKthElement(totalLength // 2 + 1)) / 2
复杂度分析
-
时间复杂度:
O(log(m+n))
,其中m
和n
分别是数组nums 1
和nums 2
的长度。初始时有k=(m+n)/2
或k=(m+n)/2+1
,每一轮循环可以将查找范围减少一半,因此时间复杂度是O(log(m+n))
。 -
空间复杂度:
O(1)
。
知识点
给定两个有序数组,要找到两个有序数组的中位数,最直观的思路有以下两种:
- 使用归并的方式,合并两个有序数组,得到一个大的有序数组。大的有序数组的中间位置的元素,即为中位数。
- 不需要合并两个有序数组,只要找到中位数的位置即可。由于两个数组的长度已知,因此中位数对应的两个数组的下标之和也是已知的。定义两个指针,初始时分别指向两个数组的下标 0 的位置,每次将指向较小值的指针后移一位(如果一个指针已经到达数组末尾,则只需要移动另一个数组的指针),直到到达中位数的位置。
假设两个有序数组的长度分别为 m
和 n
,上述两种思路的复杂度如何?
第一种思路的时间复杂度是 O(m+n)
,空间复杂度是 O(m+n)
。第二种思路虽然可以将空间复杂度降到 O(1)
,但是时间复杂度仍是 O(m+n)
。
如何把时间复杂度降低到O(log(m+n))
呢?如果对时间复杂度的要求有 log
,通常都需要用到二分查找,这道题也可以通过二分查找实现。