LeetCode第4题-寻找两个正序数组的中位数-java实现-图解思路与手撕代码

LeetCode第4题-寻找两个正序数组的中位数-java实现-图解思路与手撕代码

---

一、题目描述

给定两个大小分别为 m 和 n 的正序（从小到大）数组 nums1 和 nums2。请你找出并返回这两个正序数组的 中位数 。

算法的时间复杂度应该为 O(log (m+n)) 。

二、解题思路与代码实现

1.二分法思路

最自然的思路是将两个数组合并成一个长度为m+n的有序数组，然后按照m+n奇偶性输出结果，但是不满足时间复杂度的要求，我们需要用二分法的思想解决问题。

二分法思路：

比如我们需要求第k个数字

（如果m+n为奇数，则k=(m+n）/2，如果m+n为偶数，则k分别等于(m+n）/2和(m+n）/2+1）

那么比较两个数组第k/2位的数字，由于数组是有序的，并且从小到大排序，所以第k/2位的数字比较小的那个数组可以在接下来计算中不用比较前k/2位，这里体现了二分法求解的思想。

具体实现如下：

定义一个函数findMidNum，这个函数传入两个数组，两个数组比较的范围（比如0-m和0-n），以及需要求取的第k位数字。

分别求取初始数组的第k=(m+n+1)/2位和第k=(m+n+2)/2位数字，如果（m+n）是奇数，则返回两个相同的数字，我们相加除以2，如果（m+n）是偶数，则返回两个不同的数字，正好是中位线两侧的数字，相加除以2即是所求结果。

2.代码实现

代码如下（示例）：

如果两个数组的总长度是奇数，则返回两个一样的数字，如果总长度是偶数，则返回两个不一样的数字

	private static double findMedianSortedArraysWithLog(int[] nums1, int[] nums2) {
        return (findMidNum(nums1, 0, nums1.length, nums2, 0, nums2.length, (nums1.length + nums2.length + 1) / 2) +
                findMidNum(nums1, 0, nums1.length, nums2, 0, nums2.length, (nums1.length + nums2.length + 2) / 2)) * 0.5;
    }

findMidNum函数的代码细节如下所示：

该函数采用递归的方式。

在递归过程中首先判断nums1和nums2哪个数组最小，将最小的数组放在nums1中。

然后判断nums1的比较范围是否为空，如果为空直接返回nums2数组对应位置的数字。

然后判断k是否为1，如果为1，比较两个数组比较范围中的第一个值，并返回最小值。

注：此处的k在代码中是midLen，代表表示中值意义的长度。

	private static double findMidNum(int[] nums1, int l1, int r1, int[] nums2, int l2, int r2, int midLen) {
        if (r1 - l1 > r2 - l2) {
            return findMidNum(nums2, l2, r2, nums1, l1, r1, midLen);
        }
        if (l1 >= r1) {
            return nums2[l2 + midLen - 1];
//            return nums2[l2 + midLen];
        }
        if (midLen == 1) {
            return Math.min(nums1[l1], nums2[l2]);
        }
        int i = Math.min(r1 - 1, l1 + midLen / 2 - 1);
        int j = Math.min(r2 - 1, l2 + midLen / 2 - 1);
        if (nums1[i] < nums2[j]) {
            return findMidNum(nums1, i + 1, r1, nums2, l2, r2, midLen - (i + 1 - l1));
        } else {
            return findMidNum(nums1, l1, r1, nums2, j + 1, r2, midLen - (j + 1 - l2));
        }
    }

做完上述三个判断，接下来取两个数组比较的数字，下标公式是i = Math.min(r1 - 1, l1 + midLen / 2 - 1)和j = Math.min(r2 - 1, l2 + midLen / 2 - 1)，两个公式都是求两个值的最小值，右项是比较范围左端加上k/2，再减去1，左侧是比较范围的最右侧，以防超出数组范围。

比较两个数组对应位置数字的大小，比较小的那个数组对其更新比较范围，比较范围右端不变，左端变成i+1 。k值也需要更新，k减去比较范围左端减少的长度。

---

总结

这道题的难度在于难以把复杂问题抽象化，写出的代码往往需要多次判断，极其容易遗漏比较条件，而上述代码优点在于规避了奇偶性，通过采用递归的方法达到简化代码的目的。