lc_other_4_findMedianSortedArrays

/*
题目：寻找两个正序数组的中位数 hard（其实也没有很难）

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：
1)两数组不断比较，和计数，哪个小就移动哪个的指针，即归并排序的合并部分的思想。
   但复杂度O(m+n)，不符合要求
2)二分的思想。O(log(m+n))

   看到 log，很明显，我们只有用到二分的方法才能达到。我们不妨用另一种思路，题目是求中位数，
   其实就是求第 k 小数的一种特殊情况，而求第 k 小数有一种算法。

  题解：leetcode题解
  思路： 由于数列是有序的，其实我们完全可以一半儿一半儿的排除。假设我们要找第 k 小数，
        我们可以每次循环排除掉 k/2 个数。看下边一个例子。

   比较两个数组A、B的第 k/2 个数字。
   A 数组中比 A[k/2] 小的数有 k/2-1 个，
   B 数组中，B[k/2] 比 A[k/2] 大，假设 B[k/2] 前边的数字都比 A[k/2] 小，也只有 k/2-1 个，
   所以比 A[k/2] 小的数字最多有 k/1-1+k/2-1=k-2个，所以 A[k/2] 最多是第 k-1 小的数。
   而比 A[k/2] 小的数更不可能是第 k 小的数了，所以可以把它们A[k/2]和它之前的都排除。就少了一半。
   此时再寻找第k-k/2小的数。

   所以我们采用递归的思路。
   为了防止数组长度小于 k/2，所以每次比较 min(k/2，len(数组) 对应的数字，
   把小的那个对应的数组的数字排除，将两个新数组进入递归，并且 k 要减去排除的数字的个数。
   递归出口就是当 k=1 或者其中一个数字长度是 0 了。

*/

 

 

package leetCode.Other;

public class lc_other_4_findMedianSortedArrays {

    public static void main(String[] args) {
        lc_other_4_findMedianSortedArrays m = new lc_other_4_findMedianSortedArrays();
        System.out.println(m.findMedianSortedArrays(new int[]{1, 2}, new int[]{3, 4}));
    }

    //二分的思想，log(m+n)
    public double findMedianSortedArrays(int[] nums1, int[] nums2) {

        int n = nums1.length;
        int m = nums2.length;

        //偶数时，中位数是中间两个数平均数
        int left = (n + m + 1) / 2;//第left个数
        int right = (n + m + 2) / 2;//第right个数

        //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;

    }

    public int getKth(int[] nums1, int start1, int end1, int[] nums2, int start2, int end2, int k) {
        //求出两个数组的长度
        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=0，
        // 下一个if语句就可以固定写len1==0了
        if (len1 > len2)
            return getKth(nums2, start2, end2, nums1, start1, end1, k);
        //一个数组为空，直接返回另一个数组的第k个数

        //递归出口
        if (len1 == 0)
            return nums2[start2 + k - 1];
        if (k == 1)
            return Math.min(nums1[start1], nums2[start2]);

        //为了防止数组长度小于 k/2，所以每次比较 min(k/2，len(数组) 对应的数字，
        // 把小的那个对应的数组的数字排除
        int i = start1 + Math.min(k / 2, len1) - 1;//nums1的第k/2个数（k/2>len1时）
        int j = start2 + Math.min(k / 2, len2) - 1;//nums2的第k/2个数
        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));


    }


    //归并排序里的一部分思想。O(m+n)
    public double findMedianSortedArrays2(int[] nums1, int[] nums2) {

        int len1 = nums1.length;
        int len2 = nums2.length;
        int index1 = 0;//偶数时，第1个中位数的下标
        int index2 = 0;//偶数时，第2个中位数的下标
        if ((len1 + len2) % 2 == 0) {//偶数时，两数不相等
            index1 = (len1 + len2) / 2 - 1;
            index2 = (len1 + len2) / 2;
        } else {//奇数时两数相等
            index1 = index2 = (len1 + len2) / 2;
        }
        int p1 = 0;//nums1的指针
        int p2 = 0;//nums2的指针
        int cur = 0;//代表目前的较小数的值
        int last = 0;//上一个较小数的值，偶数时要用

        for (int i = 0; i <= index2; i++) {//无论是奇偶，都要遍历到index2的下标
            last = cur;//将上一个较小数记录
            if (p1 < nums1.length && p2 < nums2.length) {//两个数组都没有遍历完时
                //谁的数小就cur为谁
                if (nums1[p1] <= nums2[p2]) {
                    cur = nums1[p1++];
                } else {
                    cur = nums2[p2++];
                }
            } else if (p1 < nums1.length) {//nums2遍历完
                cur = nums1[p1++];
            } else {//nums1遍历完
                cur = nums2[p2++];
            }

        }
        if (index1 == index2)//如果是奇数，直接返回cur
            return cur;
        else
            return (cur + last) / 2.0;


    }
}