问题:
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)).
Example1:
nums1 = [1, 3]
nums2 = [2]
The median is 2.0
Example2:
nums1 = [1, 2]
nums2 = [3, 4]
The median is (2 + 3)/2 = 2.5
官方难度:
Hard
翻译:
两个已排序数组,其长度分别是m和n,找出这两个数组的中位数。
要求整个算法的时间复杂度是O(log(m+n))。
例子:
[1,3]和[2],中位数是2.0
[1,2]和[3,4],中位数是2.5
方法一:
- 将两个有序数组,合并成一个有序数组,取中位数。
- 创建一个新的数组,长度为m+n。
- 用两个指针记录数组当前位置的索引,每次比较这两个的值,将较小的那个值加入新数组,这个指针后移。
- 每次循环开始时,有限判断是否有指针跑到底,之后只迁移另一个数组的值。
- 时间复杂度是O(m+n)。
方法一的解题代码:
![](https://images.cnblogs.com/OutliningIndicators/ContractedBlock.gif)
![](https://images.cnblogs.com/OutliningIndicators/ExpandedBlockStart.gif)
1 // 将两个数组合并成新数组取中位数,时间复杂度是O(m+n) 2 private static double method1(int[] array1, int[] array2) { 3 final int LENGTH = array1.length + array2.length; 4 int[] resultArray = new int[LENGTH]; 5 // 数组当前位置索引 6 int index1 = 0; 7 int index2 = 0; 8 int[] tempArray = null; 9 int tempIndex = 0; 10 // 合并数组赋值 11 for (int i = 0; i < LENGTH; i++) { 12 if (tempArray == null) { 13 // 优先判断其中一个数组已经被掏空的情况 14 // 特别注意,掏空的时候index会比最后的index+1 15 if (index1 == array1.length || index2 == array2.length) { 16 // temp赋值+本次赋值 17 if (index1 == array1.length) { 18 tempArray = array2; 19 tempIndex = index2; 20 resultArray[i] = tempArray[tempIndex++]; 21 } else { 22 tempArray = array1; 23 tempIndex = index1; 24 resultArray[i] = tempArray[tempIndex++]; 25 } 26 // 这个continue是必要的,赋值之后,直接下一次循环 27 continue; 28 } 29 // 两个数组都有剩余的情况 30 if (array1[index1] < array2[index2]) { 31 resultArray[i] = array1[index1++]; 32 } else { 33 resultArray[i] = array2[index2++]; 34 } 35 } else { 36 // 操作tempArray 37 resultArray[i] = tempArray[tempIndex++]; 38 } 39 } 40 // 分奇偶确定中位数,除数要特别标注2.0,不然以整数规则计算 41 if (LENGTH % 2 == 0) { 42 return (resultArray[LENGTH / 2] + resultArray[LENGTH / 2 - 1]) / 2.0; 43 } 44 return resultArray[(LENGTH - 1) / 2]; 45 }
方法二:
- 从方法一中可以看出,至少做了一半的无谓操作。当指针跑到中位数的时候,其实可以直接计算出来,然后break。甚至于,不需要额外的空间去纪录新的数组。
- 定义2个目标索引,记录中位数的位置,这里可以实现奇偶情况统一,分别是(LENGTH-1)/2和LENGTH/2,在指针跑到LENGTH/2的时候break,将累加的值除以2就是中位数的值。
- 定义两个引用,当前操作数组的引用currentArray和当前数组的索引currentIndex,之后两个指针的自增和currentIndex没有关系,用这两个引用去操作中位数的累加赋值。
- 同样需要考虑,在指针跑到一个数组结束之后,仍然没有跑到中位数相关数字的情况,这时候,可以在剩余数组中直接计算中位数的值。
- 有一种最特殊的情况,总长度是偶数,一个数组跑完之后,记录了中位数的第一个值,针对这种情况,使用一个标志位,在第一次中位数赋值之后改为true,然后与剩余数组的第一个值相加除以2.0就是中位数的值。
- 时间复杂度是方法一的一半O((m+n)/2),仍然未达到要求。
方法二的解题代码:
![](https://images.cnblogs.com/OutliningIndicators/ContractedBlock.gif)
![](https://images.cnblogs.com/OutliningIndicators/ExpandedBlockStart.gif)
1 // 不需要重组整个数组,只需要重组一半,时间复杂度是O((m+n)/2) 2 private static double method2(int[] array1, int[] array2) { 3 final int LENGTH = array1.length + array2.length; 4 // 中位数的索引 5 int targetIndex1 = (LENGTH - 1) / 2; 6 int targetIndex2 = LENGTH / 2; 7 // 结果 8 int result = 0; 9 boolean flag = false; 10 // 数组当前位置索引 11 int index1 = 0; 12 int index2 = 0; 13 // 当前操作数组及索引 14 int[] currentArray; 15 int currentIndex; 16 // 开启循环 17 for (int i = 0; i < LENGTH; i++) { 18 // 某一数组遍历结束 19 if (index1 == array1.length || index2 == array2.length) { 20 int[] remain, exhaust; 21 if (index1 == array1.length) { 22 remain = array2; 23 exhaust = array1; 24 } else { 25 remain = array1; 26 exhaust = array2; 27 } 28 if (!flag) { 29 // 中位数在之后,可以直接计算 30 return (remain[(LENGTH - 1) / 2 - exhaust.length] + remain[LENGTH / 2 - exhaust.length]) / 2.0; 31 } else { 32 // 偶数位的总长度,且result已经加过一次 33 return (result + remain[i - exhaust.length]) / 2.0; 34 } 35 } 36 // 索引自增,当前操作数组及索引赋值 37 if (array1[index1] < array2[index2]) { 38 currentArray = array1; 39 currentIndex = index1; 40 index1++; 41 } else { 42 currentArray = array2; 43 currentIndex = index2; 44 index2++; 45 } 46 // 结果赋值,奇偶长度统一 47 if (i == targetIndex1) { 48 flag = true; 49 result += currentArray[currentIndex]; 50 } 51 if (i == targetIndex2) { 52 result += currentArray[currentIndex]; 53 break; 54 } 55 } 56 return result / 2.0; 57 }
方法三:
- 可以借鉴二分查找法的思想:比较两个数组的中间值,去掉中间值较小数组的前面部分,和中间值较大数组的后面部分,形成两个新的数组进行递归。
- 这种方法需要考虑很多特殊情况,极易出错,但是确实具有O(log(m+n))的时间复杂度。
- 首先每一次两个数组去掉的部分,长度必须相同,保证最终的中位数不会改变,如果长度不一,去较小的那个值去掉。
- 当一个数组的长度为0时,直接计算另一个数组的中位数。
- 在保证两个数组的长度均不为0,这意味着,两个数组都有了“中间值”这个概念。考虑两个数组的中间值相等的情况,根据两个数组长度的奇偶性,又可以分成三种情况讨论。
- 在中间值相等的情况下,两个数组长度均为奇数,中间值即是最后的中位数。
- 在中间值相等的情况下,两个数组长度均为偶数,中位数是中间值与两数组中间值之后的那一个数的较小值的平均值。
- 在中间值相等的情况下,两个数组长度一奇一偶,中位数就是偶数长度数组的中位数。
- 考虑一下,每次去掉的部分,是不是会影响最终的值?有一种特殊的情况会造成最终的中位数值变化,要特殊讨论。就是:两个偶数长度的数组,中间值较大的数组和它之后第一个值完全被另一个数组从两侧包裹,如:[2,3]和[0,1,4,5]。2>1且3<4,按照正常的流程,下一次递归的数组应该是[2]和[1,4,5],很明显结果被改变了。这种情况下直接取[2,3]数组的中位数作为最终结果即可。
- 如果去掉的长度为0怎么办?这时候,要考虑一下当一个数组的长度为1时,该怎么处理。首先考虑,另一个数组的长度也为1,这时候直接取平均值。
- 一般来说,理想的情况是,将这个长度为1的数组消掉,进入下一次循环,但是这必须是这个值并不会影响到最终中位数计算的前提下。根据另一个数组长度的奇偶性分2种情况考虑。
- 另一个数组长度为偶数,长度为1的数组会影响到最后结果的情况是:这个值大于另一个数组的中间值,却小于另一个数组中间值之后的那个值,典型的就是[2]和[0,1,3,4]。
- 另一个数组长度为奇数,长度为1的数组会影响到最后结果的情况是:这个值大于另一个数组的中间值,却小于之后的值,如[4]和[1,3,5]。或者这个值小于另一个数组的中间值,却大于之前的值,如[2]和[1,3,5]。
- 在没有出现类似12和13的情况下,可以没有顾忌的削去这个数组,同时另一个数组根据中间值比较的情况,选择去掉数组的第一个值还是最后一个值,进入下一次递归。
- 除了存在长度为1的数组,还有1种可能导致削去长度为0的情况,就是中价值较小的数组长度为2。这种情况下,中间值较小的数组去掉第一项,另一个数组去掉最后一项,进入下一次递归。
- 最后,记得入参检查,存在null的输入或两个数组长度和为0时,抛出异常。
方法三的解题代码:
![](https://images.cnblogs.com/OutliningIndicators/ContractedBlock.gif)
![](https://images.cnblogs.com/OutliningIndicators/ExpandedBlockStart.gif)
1 // 因为两数组分别有序,用类二分查找法寻找中位数,时间复杂度O(log(m+n)) 2 public static double findMedianSortedArrays(int[] nums1, int[] nums2) { 3 // 入参校验 4 if (nums1 == null || nums2 == null || nums1.length + nums2.length == 0) { 5 throw new IllegalArgumentException("Input error"); 6 } 7 // 特殊情况:一个数组长度为0 8 if (nums1.length == 0 || nums2.length == 0) { 9 int[] array = nums1.length == 0 ? nums2 : nums1; 10 return (array[array.length / 2] + array[(array.length - 1) / 2]) / 2.0; 11 } 12 // 中位数 13 int median1 = nums1[(nums1.length - 1) / 2]; 14 int median2 = nums2[(nums2.length - 1) / 2]; 15 // 特殊情况:两个数组的中位数相同 16 if (median1 == median2) { 17 // 两数组长度为奇数 18 if (nums1.length % 2 == 1 && nums2.length % 2 == 1) { 19 return median1; 20 } 21 // 两数组长度为偶数 22 if (nums1.length % 2 == 0 && nums2.length % 2 == 0) { 23 return (median1 + Math.min(nums1[nums1.length / 2], nums2[nums2.length / 2])) / 2.0; 24 } 25 // 一奇一偶,就是偶数长度数组的中位数 26 int[] array = nums1.length % 2 == 0 ? nums1 : nums2; 27 return (median1 + array[array.length / 2]) / 2.0; 28 } 29 // 特殊情况:一个数组长度为1 30 if (nums1.length == 1 || nums2.length == 1) { 31 int[] array1, array2; 32 if (nums1.length == 1) { 33 array1 = nums1; 34 array2 = nums2; 35 } else { 36 array1 = nums2; 37 array2 = nums1; 38 } 39 // 特殊情况:另一个数组的长度也为1 40 if (array2.length == 1) { 41 return (array1[0] + array2[0]) / 2.0; 42 } 43 // 特殊情况:两个数组的中位数计算,包含长度为1的数组的值 44 if (array2.length % 2 == 0) { 45 if (array1[0] >= array2[(array2.length - 1) / 2] && array1[0] <= array2[array2.length / 2]) { 46 return array1[0]; 47 } 48 } else { 49 if (array1[0] < array2[array2.length / 2] && array1[0] > array2[array2.length / 2 - 1]) { 50 return (array1[0] + array2[array2.length / 2]) / 2.0; 51 } 52 if (array1[0] > array2[array2.length / 2] && array1[0] < array2[array2.length / 2 + 1]) { 53 return (array1[0] + array2[array2.length / 2]) / 2.0; 54 } 55 } 56 // 将array1长度降为0,进入下一次递归 57 if (array1[0] > array2[array2.length / 2]) { 58 return findMedianSortedArrays(new int[0], Arrays.copyOfRange(array2, 1, array2.length)); 59 } else { 60 return findMedianSortedArrays(new int[0], Arrays.copyOf(array2, array2.length - 1)); 61 } 62 } 63 // 中位数大的数组是array1 64 int[] array1, array2; 65 if (median1 > median2) { 66 array1 = nums1; 67 array2 = nums2; 68 } else { 69 array1 = nums2; 70 array2 = nums1; 71 } 72 // 特殊情况:两个数组的中位数,就是array1的中位数 73 // 只有在两个偶数长度的数组的情况下,才能实现 74 if (array1.length % 2 == 0 && array2.length % 2 == 0) { 75 if (array1[array1.length / 2] <= array2[array2.length / 2]) { 76 return (array1[(array1.length - 1) / 2] + array1[array1.length / 2]) / 2.0; 77 } 78 } 79 int reduce1 = array1.length / 2; 80 int reduce2 = (array2.length - 1) / 2; 81 // 特殊情况:array2的长度为2 82 if (reduce2 == 0) { 83 return findMedianSortedArrays(Arrays.copyOf(array1, array1.length - 1), new int[] { array2[1] }); 84 } 85 int reduce = Math.min(reduce1, reduce2); 86 // 削去数组递归 87 return findMedianSortedArrays(Arrays.copyOf(array1, array1.length - reduce), 88 Arrays.copyOfRange(array2, reduce, array2.length)); 89 }
相关链接:
https://leetcode.com/problems/median-of-two-sorted-arrays/
PS:如有不正确或提高效率的方法,欢迎留言,谢谢!