现有两个大小为 m 和 n 的有序数组 nums1
和 nums2
。
请你找出这两个有序数组的中位数,并且要求算法的时间复杂度为 O(log(m + n))。
你可以假设 nums1
和 nums2
不会同时为空。
示例 1:
nums1 = [1, 3] nums2 = [2] 则中位数是 2.0
中位数的作用:将一个集合划分为两个长度相等的子集,其中一个子集中的元素总是大于另一个子集中的元素。
解题方法:递归法
def median(A, B):
m, n = len(A), len(B)
if m > n:
A, B, m, n = B, A, n, m
if n == 0:
raise ValueError
imin, imax, half_len = 0, m, (m + n + 1) / 2
while imin <= imax:
i = (imin + imax) / 2
j = half_len - i
if i < m and B[j-1] > A[i]:
# i is too small, must increase it
imin = i + 1
elif i > 0 and A[i-1] > B[j]:
# i is too big, must decrease it
imax = i - 1
else:
# i is perfect
if i == 0: max_of_left = B[j-1]
elif j == 0: max_of_left = A[i-1]
else: max_of_left = max(A[i-1], B[j-1])
if (m + n) % 2 == 1:
return max_of_left
if i == m: min_of_right = B[j]
elif j == n: min_of_right = A[i]
else: min_of_right = min(A[i], B[j])
return (max_of_left + min_of_right) / 2.0
时间复制度的分析
1、时间复杂度:O\big(\log\big(\text{min}(m,n)\big)\big)O(log(min(m,n))),
首先,查找的区间是 [0, m][0,m]。 而该区间的长度在每次循环之后都会减少为原来的一半。 所以,我们只需要执行 \log(m)log(m) 次循环。由于我们在每次循环中进行常量次数的操作,所以时间复杂度为 O\big(\log(m)\big)O(log(m))。 由于 m \leq nm≤n,所以时间复杂度是 O\big(\log\big(\text{min}(m,n)\big)\big)O(log(min(m,n)))。
2、空间复杂度:O(1)O(1), 我们只需要恒定的内存来存储 99 个局部变量, 所以空间复杂度为 O(1)O(1)。