题目来源:题目
参考题解:题解
题目
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
思路
思路一(合并为一个大数组)
可以采用归并排序中将两个有序数组合并成一个数组的思想,开创一个容量为num1长度和num2长度和的大数组,将原本有序的两个小数组合并成一个大数组。如果大数组的长度为奇数,直接取出最中间的一个元素。如果大数组长度为偶数,去除中间两个数字求平均。
思路二(直接找到所在位置的数值,不用合并数组)
设数组一的长度为m,数组二的长度为n.
和思路一的想法差不多,不需要开辟空间,直接用两个指针分别指向两个数组,每次往后移动数组较小的那个指针,知道移动到中位数的位置即可。
因为m+n有奇数和偶数两种情况,对于总长度为奇数的话,我们需要找到第(m+n) / 2 + 1小的元素。对于总长度为偶数的情况,我们需要找到第(m+n) / 2和(m+n)/2+1小的元素的平均值。所以对于这两种情况,我们都需要找(m+n)/2+1次,分别用left和right记录每次找到的元素。最后根据奇偶判断返回值。
思路三(找第k小数)
这道题可以转换为求第K小的数,要求中位数,就是求第(m+n+1)/2小的数。思路二指针每次往前移动一个,相当于每次剔除掉一个比第(m+n+1)/2小的数还小的数。
然而每次剔除掉一个数速度太慢,我们要求第k小的数,每次可以分别在两个数组找到前k/2个数字,根据他们的相对大小,每次都剔除k/2个数字,直到最后再剩余的数组中找找第1小的数字,则直接比较两个数组的头元素即可。
递归代码如下所示,详细的算法讲解比如边界条件判断,算法正确性证明等可以在上面的题解链接查看。
思路四
将两个数组分别在第i和位置和第j个位置切割,并将分别将左右合并成两个数组,然后左边的最大值和右边的最小值就是中位数。
重点要找i和j个位置。
代码
思路一代码
public static double findMedianSortedArrays(int[] nums1, int[] nums2) {
int m = nums1.length;
int n = nums2.length;
int []nums = new int[m + n];
int p1 = 0,p2 = 0,count = 0;
while(count < m + n){
if(p1 == m){
while(p2 < n){
nums[count++] = nums2[p2++];
}
} else if(p2 == n){
while(p1 < m){
nums[count++] = nums1[p1++];
}
}else {
if(nums1[p1] <= nums2[p2])nums[count++] = nums1[p1++];
else nums[count++] = nums2[p2++];
}
}
if((m + n) % 2 == 0){
return (double)(nums[(m + n) / 2] + nums[(m + n) / 2 - 1]) / 2;
}else {
return nums[(m + n) / 2];
}
}
思路二代码
public static double findMedianSortedArrays(int[] nums1, int[] nums2) {
int m = nums1.length;
int n = nums2.length;
int p1 = 0,p2 = 0,left = 0,right = 0,count = 0;
while(count <= (m + n) / 2){
left = right;
if(p1 == m){
right = nums2[p1++];
}else if(p2 == n){
right = nums1[p2++];
}else {
if(nums1[p1] <= nums2[p2]){
right = nums1[p1++];
}else {
right = nums2[p2++];
}
}
count++;
}
if((m + n) % 2 == 0){
return (double)(left + right) / 2;
}else {
return right;
}
}
思路三代码
public static double findMedianSortedArrays(int[] nums1, int[] nums2) {
int m = nums1.length;
int n = nums2.length;
return (getKth(nums1,0,m - 1,nums2,0,n - 1,(m + n + 1) / 2) + getKth(nums1,0,m - 1,nums2,0,n - 1,(m + n + 2) / 2)) * 0.5;
}
public static int getKth(int nums1[],int start1,int end1,int nums2[],int start2,int end2,int k){
int len1 = end1 - start1 + 1;
int len2 = end2 - start2 + 1;
if(len1 > len2)return getKth(nums2,start2,end2,nums1,start1,end1,k);
if(len1 == 0)return nums2[start2 + k - 1];
if(k == 1)return Math.min(nums1[start1],nums2[start2]);
int i = start1 + Math.min(len1,k / 2) - 1;
int j = start2 + Math.min(len2, k / 2) - 1;
if(nums1[i] > nums2[j]){
return getKth(nums1,start1,end1,nums2,j + 1,end2,k - (j - start2 + 1));
}else {
return getKth(nums1,i + 1,end1,nums2,start2,end2,k - (i - start1 + 1));
}
}
思路四代码
public static double findMedianSortedArrays(int[] nums1, int[] nums2) {
int m = nums1.length;
int n = nums2.length;
if(m > n){
return findMedianSortedArrays(nums2,nums1);
}
int iMin = 0,iMax = m;
while (iMin <= iMax) {
int i = (iMin + iMax) / 2;
int j = (m + n + 1) / 2 - i;
if (j != 0 && i != m && nums2[j-1] > nums1[i]){ // i 需要增大
iMin = i + 1;
}
else if (i != 0 && j != n && nums1[i-1] > nums2[j]) { // i 需要减小
iMax = i - 1;
}
else { // 达到要求,并且将边界条件列出来单独考虑
int maxLeft = 0;
if (i == 0) { maxLeft = nums2[j-1]; }
else if (j == 0) { maxLeft = nums1[i-1]; }
else { maxLeft = Math.max(nums1[i-1], nums2[j-1]); }
if ( (m + n) % 2 == 1 ) { return maxLeft; } // 奇数的话不需要考虑右半部分
int minRight = 0;
if (i == m) { minRight = nums2[j]; }
else if (j == n) { minRight = nums1[i]; }
else { minRight = Math.min(nums2[j], nums1[i]); }
return (maxLeft + minRight) / 2.0; //如果是偶数的话返回结果
}
}
return 0.0;
}
总结
思路一和思路二的时间复杂度为O(m+n).
思路三和思路四由于都用了二分查找,时间复杂度都降到了log级别。