There are two sorted arrays nums1 and nums2 of size m and n respectively.
Find the median of the two sorted arrays. The overall run time complexity should be O(log (m+n)).
Example 1:
nums1 = [1, 3]
nums2 = [2]
The median is 2.0Example 2:
nums1 = [1, 2]
nums2 = [3, 4]
The median is (2 + 3)/2 = 2.5
寻找两个排序数组的中位数,一种简单方法就是直接合并成一个数组取中位数,但是题目要求复杂度为O(log(m+n)),因此不合题意。
另一种方法可以转换成求第K小的元素,题目求中位数,也就是求第(m+n)/2小的元素,可以使用一种类似二分法的思路。
这个算法使用了一个重要结论,如果A[k/2-1]小于B[k/2-1],那么A[0]~A[k/2-1]都小于合并之后第k小的元素。证明如下:
-假设A[k/2-1]比A和B合并排序后的第K个元素大,然后我们假定是第(k+1)个元素。因为它比B[k/2-1]要小,所以B[k/2-1]至少是第k+2个元素。所以在数组A中最多有k/2-1个比A[k/2-1]小,在数组B中最多有k/2-1个比A[k/2-1]小。整个一共最多有k-2个比A[k/2-1]小,而假定的是A[k/2-1]比排序合并后第K个元素大,所以A[k/2-1]不可能比合并后第k个元素大。
class Solution {
public:
//第k小的数
double findkth(vector<int>::iterator a,int m,
vector<int>::iterator b,int n,
int k)
{
if(m > n)
return findkth(b,n,a,m,k);//确保a比b元素少
if(m == 0)
return b[k-1];
if(k == 1)
return min(*a,*b);
int pa = min(k/2,m),pb = k - pa;
if(*(a + pa - 1) < *(b + pb -1))
return findkth(a+pa,m-pa,b,n,k-pa);//剔除了pa个比k小的
else if(*(a + pa -1) > *(b + pb -1))
return findkth(a,m,b+pb,n-pb,k-pb);//剔除了pb个比k小的
else
return *(a+pa-1);
}
double findMedianSortedArrays(vector<int>& nums1, vector<int>& nums2) {
vector<int>::iterator a = nums1.begin();
vector<int>::iterator b = nums2.begin();
int total = nums1.size() + nums2.size();
// 判断奇偶
if(total%2==1)
return findkth(a,nums1.size(),
b,nums2.size(),
total/2+1);
else
return (findkth(a,nums1.size(),
b,nums2.size(),
total/2) +
findkth(a,nums1.size(),
.size(),
total/2 + 1))/2;
}
};