leetcode__4.寻找两个有序数组中的中位数__python

题目：

给定两个大小为 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

示例 2:
nums1 = [1, 2]
nums2 = [3, 4]

则中位数是 (2 + 3)/2 = 2.5

解题思路：
考虑到中位数的性质，就是找到一半的数字比该数字小的一个数，其实就是一种划分，假设第一个数组长度为n，第二个为m，也就是说需要有(n + m) // 2（这里的运算符号是取整，不是笔误）个数字比该数字小即可。
那么怎么用O(log(n + m))的时间复杂度找到该中位数呢，显然是不能遍历的，只能采取二分法的做法。

具体二分的代码如下：

class Solution:
    def findMedianSortedArrays(self, nums1: List[int], nums2: List[int]) -> float:
        if len(nums1) == 0:
        #singular
            if len(nums2) % 2 == 1:
                return nums2[len(nums2)//2]
            else:
                return (nums2[len(nums2)//2 - 1] + nums2[len(nums2)//2])/2
        elif len(nums2) == 0:
            #singular
            if len(nums1) % 2 == 1:
                return nums1[len(nums1)//2]
            else:
                return (nums1[len(nums1)//2 - 1] + nums1[len(nums1)//2])/2
        else:
            n, m = len(nums1), len(nums2)
            if n < m:      #keep nums1 longer
                tmp = nums1
                nums1 = nums2
                nums2 = tmp
                tmp = n
                n = m
                m = tmp
            idxmin, idxmax, half_len = 0, m, (n + m + 1)/2    #keep helf_len nums smaller than the median 
            while idxmin <= idxmax:
                i = int((idxmin + idxmax)/2)
                j = int(half_len - i)
                if i < m and nums2[i] < nums1[j-1]:
                #i is too small
                    idxmin = i + 1
                elif i > 0 and nums2[i-1] > nums1[j]:
                #i is too big
                    idxmax = i - 1
                else:
                    if i == 0:
                        max_left = nums1[j - 1]
                    elif j == 0:
                        max_left = nums2[i - 1]
                    else:
                        max_left = max(nums2[i - 1], nums1[j - 1])

                    if (n + m) % 2 == 1:
                        return max_left
                    else:
                        if i == m:
                            min_right = nums1[j]
                        elif j == n:
                            min_right = nums2[i]
                        else:
                            min_right = min(nums2[i], nums1[j])
                        return (max_left + min_right)/2