题目
来源:力扣(LeetCode)
链接:https://leetcode-cn.com/problems/median-of-two-sorted-arrays
给定两个大小为 m 和 n 的正序(从小到大)数组 nums1 和 nums2。
请你找出这两个正序数组的中位数,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
代码
方法一:使用(m+n)/ 2的时间复杂度
class Solution(object):
def findMedianSortedArrays(self, nums1, nums2):
"""
:type nums1: List[int]
:type nums2: List[int]
:rtype: float
"""
n = len(nums1)
m = len(nums2)
l,r,t = 0,0,0
ans,res = [],[]
for i in range((m+n+2)//2 if (m+n)%2==0 else (m+n+1)//2):
if n == 0:
return nums2[m//2] if m%2==1 else (nums2[m//2] + nums2[(m-1)//2])/2.0
if m == 0:
return nums1[n//2] if n%2==1 else (nums1[n//2] + nums1[(n-1)//2])/2.0
if l > n-1 or (r <= m-1 and nums1[l] > nums2[r]):
ans.append(nums2[r])
r += 1
elif r > m-1 or nums1[l] <= nums2[r]:
ans.append(nums1[l])
l += 1
t += 1
if (m+n)%2 == 0 and (t == (m+n)//2 or t == (m+n+2)//2):
res.append(ans[-1])
if len(res) == 2:
break
if (m+n)%2 == 1 and t == (m+n+1)//2:
return ans[-1]
return sum(res)/2.0
方法二:使用(m+n)的时间复杂度
class Solution:
def findMedianSortedArrays(self, nums1: List[int], nums2: List[int]) -> float:
n = len(nums1) + len(nums2)
x,y = 0,0
lis = []
res = 0
for i in range(n):
if y >= len(nums2):
lis[i+1:] = nums1[x:]
break
elif x >= len(nums1):
lis[i+1:] = nums2[y:]
break
elif nums1[x] > nums2[y]:
lis.append(nums2[y])
y += 1
elif nums1[x] <= nums2[y]:
lis.append(nums1[x])
x += 1
if n % 2 == 0:
res = (lis[int(n/2 -1)] + lis[int(n/2)])/2
else:
res = lis[int((n-1)/2)]
return res
方法三:使用log(m+n)的时间复杂度
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 = int((imin + imax) / 2)
j = int(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
class Solution:
def findMedianSortedArrays(self, nums1: List[int], nums2: List[int]) -> float:
return median(nums1,nums2)
方法四:使用log(m+n)的时间复杂度
class Solution:
def findMedianSortedArrays(self, nums1: List[int], nums2: List[int]) -> float:
def getKthElement(k):
"""
- 主要思路:要找到第 k (k>1) 小的元素,那么就取 pivot1 = nums1[k/2-1] 和 pivot2 = nums2[k/2-1] 进行比较
- 这里的 "/" 表示整除
- nums1 中小于等于 pivot1 的元素有 nums1[0 .. k/2-2] 共计 k/2-1 个
- nums2 中小于等于 pivot2 的元素有 nums2[0 .. k/2-2] 共计 k/2-1 个
- 取 pivot = min(pivot1, pivot2),两个数组中小于等于 pivot 的元素共计不会超过 (k/2-1) + (k/2-1) <= k-2 个
- 这样 pivot 本身最大也只能是第 k-1 小的元素
- 如果 pivot = pivot1,那么 nums1[0 .. k/2-1] 都不可能是第 k 小的元素。把这些元素全部 "删除",剩下的作为新的 nums1 数组
- 如果 pivot = pivot2,那么 nums2[0 .. k/2-1] 都不可能是第 k 小的元素。把这些元素全部 "删除",剩下的作为新的 nums2 数组
- 由于我们 "删除" 了一些元素(这些元素都比第 k 小的元素要小),因此需要修改 k 的值,减去删除的数的个数
"""
index1, index2 = 0, 0
while True:
# 特殊情况
if index1 == m:
return nums2[index2 + k - 1]
if index2 == n:
return nums1[index1 + k - 1]
if k == 1:
return min(nums1[index1], nums2[index2])
# 正常情况
newIndex1 = min(index1 + k // 2 - 1, m - 1)
newIndex2 = min(index2 + k // 2 - 1, n - 1)
pivot1, pivot2 = nums1[newIndex1], nums2[newIndex2]
if pivot1 <= pivot2:
k -= newIndex1 - index1 + 1
index1 = newIndex1 + 1
else:
k -= newIndex2 - index2 + 1
index2 = newIndex2 + 1
m, n = len(nums1), len(nums2)
totalLength = m + n
if totalLength % 2 == 1:
return getKthElement((totalLength + 1) // 2)
else:
return (getKthElement(totalLength // 2) + getKthElement(totalLength // 2 + 1)) / 2