/*
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;
}
}