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))
。
思路
1、可以说面试的时候第一时间想到的方法就是暴力破解的方法了(但是不符合时间复杂度的要求,但是代码也一样放出来)即先将两个数组合并,两个有序数组的合并也是归并排序中的一部分。然后根据奇数,还是偶数,返回中位数。
2、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
小数的一种特殊情况,而求第 k
小数有一种算法。
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
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,也就是取第3个数,上边数组中的 4 和下边数组中的 3,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(因为比较小的那个数的前面都是比这个数小的,因为题目给的是正序数组),所以可以排除。也就是 1,2,3 这三个数字不可能是第 7 小的数字,我们可以把它排除掉。将 1349 和 45678910 两个数组作为新的数组进行比较。
由于已经排除掉了 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,k=7 - 3 = 4 小的数字就可以了,也就是 k = 4。此时两个数组,k/2取2,所以比较第 2 个数字,3 < 5,所以可以把小的那个数组中的 1 ,3 排除掉了。
接着又排除掉 2 个数字,所以现在找k= 4 - 2 =第 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。
注意我们每次都是取 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。
所以可以采用递归的思路,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。
代码
class Solution {// 暴力破解
public double findMedianSortedArrays(int[] nums1, int[] nums2) {
int m = nums1.length,n=nums2.length;
int[] nums = new int[m+n];
if(m==0) { // 当数组1是空数组时
if (n%2==0) { // 当数组2的长度是偶数
return (nums2[n/2-1]+nums2[n/2]) / 2.0; // 仅返回数组2的中位数即可
} else { // 当数组2的长度是奇数
return nums2[n/2];
}
}
if(n==0) { // 当数组2是空数组时
if (m%2==0) { // 当数组1的长度是偶数
return (nums1[n/2-1]+nums1[n/2]) / 2.0; // 仅返回数组1的中位数即可
} else { // 当数组1的长度是奇数
return nums1[n/2];
}
}
// 当数组1和数组2都不是空数组时
int i=0,j=0,count=0;
while(count!=(m+n)) {
if(i==m) { // 当数组1中所有数已经全部被放入新数组中时
while (j!=n) {
nums[count++] = nums2[j++];
}
break;
}
if(j==n) {// 当数组2中所有数已经全部被放入新数组中时
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];
}
}
}
class Solution {
public double findMedianSortedArrays(int[] nums1, int[] nums2) {// 寻找第k小的数(满足时间复杂度要求)
int n = nums1.length;
int m = nums2.length;
int left = (n + m + 1) / 2;
int right = (n + m + 2) / 2;
//将偶数和奇数的情况合并,如果是奇数,会求两次同样的 k 。
return (getKth(nums1, 0, n - 1, nums2, 0, m - 1, left) + getKth(nums1, 0, n - 1, nums2, 0, m - 1, right)) * 0.5;
}
//start(数组的首元素索引),end(数组的元素索引)
private int getKth(int[] nums1, int start1, int end1, int[] nums2, int start2, int end2, int k) {
int len1 = end1 - start1 + 1; //比如索引 0 5 实际长度是 5-0+1=6
int len2 = end2 - start2 + 1;
//让 len1 的长度小于 len2,这样就能保证如果有数组空了,一定是 len1
if (len1 > len2) return getKth(nums2, start2, end2, nums1, start1, end1, k);
if (len1 == 0) return nums2[start2 + k - 1];
if (k == 1) return Math.min(nums1[start1], nums2[start2]);// 递归出口
int i = start1 + Math.min(len1, k / 2) - 1; // 防止数组长度小于k/2
int j = start2 + Math.min(len2, k / 2) - 1;
if (nums1[i] > nums2[j]) {
return getKth(nums1, start1, end1, nums2, j + 1, end2, k - (j - start2 + 1));
}
else {
return getKth(nums1, i + 1, end1, nums2, start2, end2, k - (i - start1 + 1));
}
}
}