leetcode4- Median of Two Sorted Arrays 两个有序数组的中位数

1,python程序

# -*- coding: utf-8 -*-
"""
Created on Tue Jun  5 16:50:32 2018

@author: Administrator
"""

#假设已经有俩个有序数组,求出他们中位数,并且要求算法时间复杂度<log(m+n)
#思考:算法时间复杂度的格式所以我们要用类似二分法。你要求两个数组的第k个数值,不一定要将原两个数组重新排列,
#也可以反过来,不断删去k/2个最终排序肯定在前面得数,只是这个时候要把几种极限情况先处理:1,k=1;2,数组为空
L1=input('input order list please:')
L2=input('the same:')
def thekth(l1,l2,k):
    m=len(l1)
    n=len(l2)
    if m>n:
        return thekth(l2,l1,k)#可以通过递归交换两个数组
    if m==0:
        return l2[k-1]
    if k==1:
        return min(l1[0],l2[0])
    i=min(m,k/2)
    j=min(n,k/2)
    if l1[i-1]<l2[j-1]:
        return thekth(l1[i:m],l2,k-i)#疑问:i=m怎么办?答:等于m的时候,l1就是空的了,因为这里取得是l1-1
    else:
        return thekth(l1,l2[j:n],k-j)

#执行
x=len(L1)+len(L2)
mid1=(x+1)/2
mid2=(x+2)/2
k=(mid1+mid2)/2#此处错了,应该先计算,再除以2.0
print 'the answer:%s'%thekth(L1,L2,k)

2,C++程序

class Solution {
public:
    double findMedianSortedArrays(vector<int>& nums1, vector<int>& nums2) {
         int n=nums1.size(),m=nums2.size();
        return (check(nums1,nums2,(n+m+1)/2)+check(nums1,nums2,(n+m+2)/2))/2.0;
        
    }
    int check(vector<int> nums1, vector<int> nums2,int k){
        int n=nums1.size(),m=nums2.size();
        if(n>m)return check(nums2,nums1,k);
        //递归调用的结束状态有两种
        if(n==0)return nums2[k-1];
        if(k==1)return min(nums1[0],nums2[0]);
        //递归结束
        int i=min(k/2,n),j=min(k/2,m);
        if(nums1[i-1]<nums2[j-1])
            return check(vector<int>(nums1.begin()+i,nums1.end()),nums2,k-i);//-------------------1
        else
            return check(nums1,vector<int>(nums2.begin()+j,nums2.end()),k-j);
        
    }
};

C++语言收获:1,在标志1处用临时对象进行传参,来达到取部分数组的目的,类似python中的a[2:4]

2,写程序时,特别有数组时,如果把参数如上面n,,m当做个数,那么就一直当做个数处理,在数组中用的时候减一即可。

3,递归程序注意递归终止条件,有数组的时候递归终止条件记得对数组能不能取得到判断(空或者超出)



  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
可以使用二分查找算法来解决这个问题。 首先,我们可以将两个数组合并成一个有序数组,然后中位数。但是,这个方法的时间复杂度为 $O(m + n)$,不符合题目要。因此,我们需要寻找一种更快的方法。 我们可以使用二分查找算法在两个数组中分别找到一个位置,使得这个位置将两个数组分成的左右两部分的元素个数之和相等,或者两部分的元素个数之差不超过 1。这个位置就是中位数所在的位置。 具体来说,我们分别在两个数组中二分查找,假设现在在第一个数组中找到了一个位置 $i$,那么在第二个数组中对应的位置就是 $(m + n + 1) / 2 - i$。如果 $i$ 左边的元素个数加上 $(m + n + 1) / 2 - i$ 左边的元素个数等于 $m$ 个,或者 $i$ 左边的元素个数加上 $(m + n + 1) / 2 - i$ 左边的元素个数等于 $m + 1$ 个,则这个位置就是中位数所在的位置。 具体的实现可以参考以下 Java 代码: ```java public double findMedianSortedArrays(int[] nums1, int[] nums2) { int m = nums1.length, n = nums2.length; if (m > n) { // 保证第一个数组不大于第二个数组 int[] tmp = nums1; nums1 = nums2; nums2 = tmp; int t = m; m = n; n = t; } int imin = 0, imax = m, halfLen = (m + n + 1) / 2; while (imin <= imax) { int i = (imin + imax) / 2; int j = halfLen - i; if (i < imax && nums2[j - 1] > nums1[i]) { imin = i + 1; // i 太小了,增大 i } else if (i > imin && nums1[i - 1] > nums2[j]) { imax = i - 1; // i 太大了,减小 i } else { // i 是合适的位置 int maxLeft = 0; if (i == 0) { // nums1 的左边没有元素 maxLeft = nums2[j - 1]; } else if (j == 0) { // nums2 的左边没有元素 maxLeft = nums1[i - 1]; } else { maxLeft = Math.max(nums1[i - 1], nums2[j - 1]); } if ((m + n) % 2 == 1) { // 总元素个数是奇数 return maxLeft; } int minRight = 0; if (i == m) { // nums1 的右边没有元素 minRight = nums2[j]; } else if (j == n) { // nums2 的右边没有元素 minRight = nums1[i]; } else { minRight = Math.min(nums1[i], nums2[j]); } return (maxLeft + minRight) / 2.0; } } return 0.0; } ``` 时间复杂度为 $O(\log\min(m, n))$。

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值