leetcode-4:寻找两个有序数组的中位数

最新推荐文章于 2024-10-06 13:05:10 发布

Jia Zhou

最新推荐文章于 2024-10-06 13:05:10 发布

阅读量267

点赞数

分类专栏： leetcode 文章标签： leetcode

本文链接：https://blog.csdn.net/weixin_43752392/article/details/104142934

版权

leetcode 专栏收录该内容

4 篇文章 0 订阅

订阅专栏

leetcode-4:寻找两个有序数组的中位数

归并法
- 逻辑
- Tip
时间复杂度log—— 二分法
递归法
语法

归并法

逻辑

实现中的关键节点：

数组为空；
某数组过短 直接遍历另一数组；
数组长度分奇偶 决定了中位数的计算方式；

Tip

直接return
return nums1[m / 2];
while……break
nums[count++] = nums1[i++]
合并奇偶，遍历 len/2+1，偶数为该次和上次遍历结果

public double findMedianSortedArrays(int[] A, int[] B) {
    int m = A.length;
    int n = B.length;
    int len = m + n;
    int left = -1, right = -1;
    int aStart = 0, bStart = 0;
    for (int i = 0; i <= len / 2; i++) {
        left = right;
        if (aStart < m && (bStart >= n || A[aStart] < B[bStart])) {
            right = A[aStart++];
        } else {
            right = B[bStart++];
        }
    }
    if ((len & 1) == 0)
        return (left + right) / 2.0;
    else
        return right;
}

时间复杂度log—— 二分法

求中位数：求第 k 小数的一种特殊情况
求第 k 小数：

通用情况
A[1] ，A[2] ，A[3]，A[k/2] … ，
B[1]，B[2]，B[3]，B[k/2] … ，
如果 A[k/2]<B[k/2] ，
那么A[1]，A[2]，A[3]，A[k/2]都不可能是第 k 小的数字。

由于我们已经排除掉了 3 个数字，就是这 3 个数字一定在最前边，所以在两个新数组中，我们只需要找第 7 - 3 = 4 小的数字就可以了，也就是 k = 4。此时两个数组，比较第 2 个数字，3 < 5，所以我们可以把小的那个数组中的 1 ，3 排除掉了。

最后要找第 1 小的数字，所以只需判断两个数组中第一个数字哪个小就可以了，也就是 4。
数组长度小于 k/2：箭头指向它的末尾就可以

public double findMedianSortedArrays(int[] nums1, int[] nums2) {
    int n = nums1.length;
    int m = nums2.length;
    int left = (n + m + 1) / 2;
    int right = (n + m + 2) / 2;
    //将偶数和奇数的情况合并，如果是奇数，会求两次同样的 k 。
    return (getKth(nums1, 0, n - 1, nums2, 0, m - 1, left) + getKth(nums1, 0, n - 1, nums2, 0, m - 1, right)) * 0.5;  
}
    
private 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;
        //让 len1 的长度小于 len2，这样就能保证如果有数组空了，一定是 len1 
        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));
        }
}

递归法

中位数：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

将 i 的左边和 j 的左边组合成「左半部分」，将 i 的右边和 j 的右边组合成「右半部分」
j = ( m + n + 1) / 2 - i
- 当 A 数组和 B 数组的总长度是偶数，左半部分的长度等于右半部分：j = ( m + n ) / 2 - i
- 当 A 数组和 B 数组的总长度是奇数，左半部分的长度比右半部分大 1：j = ( m + n + 1) / 2 - i
左半部分最大的值小于等于右半部分最小的值
- B [ j - 1 ] > A [ I ]：增加 i，减少j
- A [ i - 1 ] > B [ j ] ：增加 j，减少i
- 边界
  - 当 i = 0, 左半部分最大的值就是 B [ j - 1]
  - 当 j = 0, 左半部分最大的值就是 A [ i - 1]
  - 当 i = m, 右半部分最小的值就是 B [ j ]
  - 当 j = n, 右半部分最小的值就是 A [ i ]
增加 i 的方式：用二分

public double findMedianSortedArrays(int[] A, int[] B) {
        int m = A.length;
        int n = B.length;
        if (m > n) { 
            return findMedianSortedArrays(B,A); // 保证 m <= n
        }
        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 && B[j-1] > A[i]){ // i 需要增大
                iMin = i + 1; 
            }
            else if (i != 0 && j != n && A[i-1] > B[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 = B[j-1]; }
                else if (j == 0) { maxLeft = A[i-1]; }
                else { maxLeft = Math.max(A[i-1], B[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 = B[j]; }
                else if (j == n) { minRight = A[i]; }
                else { minRight = Math.min(B[j], A[i]); }

                return (maxLeft + minRight) / 2.0; //如果是偶数的话返回结果
            }
        }
        return 0.0;
    }

上文解题思路