LeetCode刷题（python版）——Topic4寻找两个正序数组的中位数

一、题设

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、基本思路

1.将两个列表合并后排序，借助二分法左右向中间逼近即可。

2.若左右指针重合，那么列表个数为奇数，中位数即为左右指针所指向那个数。

3.若左指针在右指针右边，那么列表个数为偶数，中位数即为左右指针所指向数值的均值。

三、代码实现

def findMedianSortedArrays(self, nums1, nums2):
        #列表合并
        lis = nums1 + nums2
        #排序
        lis.sort()
        left = 0
        right = len(lis)-1
        #左右指针逼近
        while(left<right):
            left += 1
            right -= 1
        #奇数个数列表
        if left == right:
            return lis[left]
        #偶数个数列表
        else:
            return (lis[left]+lis[right])/2.0

四、效率总结

        

        这题其实没有解出来，因为这题要求了m+n的复杂度，而python因为简化了一些代码的编写，但实际语言操作机器的底层的消耗是没有改变的，再回过头看这段代码：其中， lis = nums1 + nums2实际有O(max((len(list1)),len(list2)))的复杂度；列表中的sort()函数为O(n*log2n)的复杂度，而while循环有O(根号下m+n)的复杂度。综上所述，也是有O(n*log2n)的复杂度，这大大超越了题目要求的复杂度，因此只得换一种算法：

        一、基本思路

        1.分成总个数为奇数和偶数分别讨论，两个列表划分为两边，其中左边的最大元素小于右边的最小元素，根据条件找到分隔线位置。

        2.总个数为奇数的列表，划分后左边比右边个数多1，那么中位数即为左边最大元素；总个数为偶数的列表，划分后左右两边相等，中位数为(左边最大元素+右边最小元素)/2

        二、代码实现

 def findMedianSortedArrays(self, nums1: List[int], nums2: List[int]) -> float:
        def getKthElement(k):
            """
            - 主要思路：要找到第 k (k>1) 小的元素，那么就取 pivot1 = nums1[k/2-1] 和 pivot2 = nums2[k/2-1] 进行比较
            - 这里的 "/" 表示整除
            - nums1 中小于等于 pivot1 的元素有 nums1[0 .. k/2-2] 共计 k/2-1 个
            - nums2 中小于等于 pivot2 的元素有 nums2[0 .. k/2-2] 共计 k/2-1 个
            - 取 pivot = min(pivot1, pivot2)，两个数组中小于等于 pivot 的元素共计不会超过 (k/2-1) + (k/2-1) <= k-2 个
            - 这样 pivot 本身最大也只能是第 k-1 小的元素
            - 如果 pivot = pivot1，那么 nums1[0 .. k/2-1] 都不可能是第 k 小的元素。把这些元素全部 "删除"，剩下的作为新的 nums1 数组
            - 如果 pivot = pivot2，那么 nums2[0 .. k/2-1] 都不可能是第 k 小的元素。把这些元素全部 "删除"，剩下的作为新的 nums2 数组
            - 由于我们 "删除" 了一些元素（这些元素都比第 k 小的元素要小），因此需要修改 k 的值，减去删除的数的个数
            """
            
            index1, index2 = 0, 0
            while True:
                # 特殊情况
                if index1 == m:
                    return nums2[index2 + k - 1]
                if index2 == n:
                    return nums1[index1 + k - 1]
                if k == 1:
                    return min(nums1[index1], nums2[index2])

                # 正常情况
                newIndex1 = min(index1 + k // 2 - 1, m - 1)
                newIndex2 = min(index2 + k // 2 - 1, n - 1)
                pivot1, pivot2 = nums1[newIndex1], nums2[newIndex2]
                if pivot1 <= pivot2:
                    k -= newIndex1 - index1 + 1
                    index1 = newIndex1 + 1
                else:
                    k -= newIndex2 - index2 + 1
                    index2 = newIndex2 + 1
        
        m, n = len(nums1), len(nums2)
        totalLength = m + n
        if totalLength % 2 == 1:
            return getKthElement((totalLength + 1) // 2)
        else:
            return (getKthElement(totalLength // 2) + getKthElement(totalLength // 2 + 1)) / 2

        三、效率总结

        在复杂度方面，达到了O（m+n），但是在空间和时间利用率上面不如第一种做法，那么究竟是为了复杂度而追求代码复杂度，还是为了具体减少空间时间的利用率去直接求解呢？这两种选择就是仁者见仁智者见智了！（看应用场景）