68.寻找两个正序数组的中位数(学习)
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)) 。
示例 1:
输入:nums1 = [1,3], nums2 = [2]
输出:2.00000
解释:合并数组 = [1,2,3] ,中位数 2
示例 2:
输入:nums1 = [1,2], nums2 = [3,4]
输出:2.50000
解释:合并数组 = [1,2,3,4] ,中位数 (2 + 3) / 2 = 2.5
提示:
nums1.length == m
nums2.length == n
0 <= m <= 1000
0 <= n <= 1000
1 <= m + n <= 2000
-106 <= nums1[i], nums2[i] <= 106
解析:
一、初始化:
1.首先,我们假设nums1是较短的数组(如果不是,则交换nums1和nums2),这样可以减少搜索空间,提高算法效率。
2.m和n分别是nums1和nums2的长度。
3.halfLen是目标中位数在合并后数组中的位置(对于奇数长度,是中间那个数的位置;对于偶数长度,是中间两个数左边的那个数的位置加1,这样便于计算)。
二、二分查找:
1.在nums1上使用一个二分查找框架,左指针left初始化为0,右指针right初始化为m(注意这里是对nums1的长度进行二分,而不是整个合并数组的长度)。
2.在每次迭代中,计算中间位置i = (left + right) / 2,并据此计算出nums2中对应的j = halfLen - i。
三、调整分割点:
1.检查i和j是否合法(即i不为0时nums1[i-1]存在,j不为n时nums2[j-1]存在)。
2.通过比较nums1[i-1]和nums2[j],以及nums1[i]和nums2[j-1](如果存在的话),来确定i是否需要向左或向右移动。
3.如果nums2[j-1] > nums1[i],说明i选小了,应该向右移动(即增大i),所以更新left = i + 1。
4.如果nums1[i-1] > nums2[j],说明i选大了,应该向左移动(即减小i),所以更新right = i - 1。
四、找到中位数:
1.当left == right时,循环结束,此时找到了合适的i和j。
2.根据i和j的值,可以确定左边元素的最大值和右边元素的最小值(可能需要从nums1和nums2中选取)。
3.如果总长度(m+n)是奇数,则中位数就是左边元素的最大值。
4.如果总长度(m+n)是偶数,则中位数是左边元素最大值和右边元素最小值的平均值。
五、处理边界情况:
1.需要注意处理i或j为0或达到数组末尾的情况,确保不会访问不存在的数组元素。
var findMedianSortedArrays = function (nums1, nums2) {
// 将 nums2 合并到 nums1 中,以保持 nums1 长度较短,优化性能
if (nums1.length > nums2.length) {
[nums1, nums2] = [nums2, nums1];
}
let m = nums1.length;
let n = nums2.length;
// 初始化左右指针
let left = 0, right = m;
let halfLen = Math.floor((m + n + 1) / 2);
while (left <= right) {
let i = Math.floor((left + right) / 2);
let j = halfLen - i;
if (i < m && nums2[j - 1] > nums1[i]) {
// i 太小,需要增加
left = i + 1;
} else if (i > 0 && nums1[i - 1] > nums2[j]) {
// i 太大,需要减小
right = i - 1;
} else {
// i 刚好
let maxLeft;
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) {
// 奇数长度,中位数就是 maxLeft
return maxLeft;
}
// 偶数长度,需要找到右半部分的最小值
let minRight;
if (i === m) {
minRight = nums2[j];
} else if (j === n) {
minRight = nums1[i];
} else {
minRight = Math.min(nums1[i], nums2[j]);
}
return (maxLeft + minRight) / 2;
}
}
// 理论上不会执行到这里
throw new Error('No valid median found');
};