74. 搜索二维矩阵（python）

题目描述（中等）

编写一个高效的算法来判断 m x n 矩阵中，是否存在一个目标值。该矩阵具有如下特性：

• 每行中的整数从左到右按升序排列。
• 每行的第一个整数大于前一行的最后一个整数。

示例 1:

输入:
matrix = [
  [1,   3,  5,  7],
  [10, 11, 16, 20],
  [23, 30, 34, 50]
]
target = 3
输出: true

示例 2:

输入:
matrix = [
  [1,   3,  5,  7],
  [10, 11, 16, 20],
  [23, 30, 34, 50]
]
target = 13
输出: false

思路分析

明显此题使用二分查找法。

我自己的直接想法是：利用二分查找，先求出target所在的行，然后在求出所在的列。找到返回True，否则返回False。如代码1

网上看别人写的代码看起来比较简单，但都是二分法，我觉得差不多。思路：直接对matrix所有元素进行二分查找。如代码2

代码

代码1：

class Solution:
    def findRow(self, matrix, target):
        start = 0
        end = len(matrix) - 1
        while start < end:
            mid = (start + end) // 2
            if target < matrix[mid][0]:
                end = mid-1
            elif target > matrix[mid][-1]:
                start = mid+1
            else:
                return mid
        return start
    def searchMatrix(self, matrix, target):
        """
        :type matrix: List[List[int]]
        :type target: int
        :rtype: bool
        """
        if matrix==[]:
            return False
        Row = self.findRow(matrix, target)
        n = len(matrix[0])
        startC = 0
        endC = n - 1
        while startC < endC+1:
            mid = (startC + endC) // 2
            if target == matrix[Row][mid]:
                return True
            elif target < matrix[Row][mid]:
                endC = mid-1
            else:
                startC = mid+1
        return False

 代码2：

class Solution:
    def searchMatrix(self, matrix, target):
        """
        :type matrix: List[List[int]]
        :type target: int
        :rtype: bool
        """
        if matrix == []:
            return False
        m, n = len(matrix), len(matrix[0])
        low = 0
        high = m * n
        while low < high:
            mid = (low + high) // 2
            if matrix[mid // n][mid % n] == target:
                return True
            elif matrix[mid // n][mid % n] < target:
                low = mid + 1
            else:
                high = mid
        return False