2022/11/13 算法练习 力扣4：寻找两个正序数组的中位数

1、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)) 。

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

2、分析

        题目需要找到两个正序数组的中位数，也就是如果将这两个数组合并在一起，需要找到最中间的一个或者两个数。

        比较一般的做法，可以选择将两个数组合并之后再排序，再取出中间数字，但是这样子做的缺点就是时间复杂度高。

        我的做法是：只要找到中间小的一个或者两个数就可以，其他的较大的数通通不算，这样子的就可以直接砍掉一半的计算量。具体分析就是：

（1）首先如果（m+n）是偶数，则需要两个(m+n)/2 和 (m+n)/2 - 1；如果是偶数，则只需要(m+n)/2

（2）因此我们需要拿到前（m+n）/ 2 小的数字，可以存放再arr数组中。

（3）设置两个指针分别指向两个数组，如果哪个数值小，它就进到arr,然后该数组的指针后移一位，知道拿到第m+n/2 - 1

（4）最后再判断m+n是奇数还是偶数，返回运算结果

3、完整代码

class Solution {
    public double findMedianSortedArrays(int[] nums1, int[] nums2) {
        int mn = nums1.length + nums2.length;   //存放前mn/2小的数字
        double[] arr = new double[mn];
        int i=0,j=0;    //分别指向两个数组的指针
        for(int k=0 ;k<=mn/2;k++){
            //nums1为空，或者nums1已经被拿完了的时候
            if(i>=nums1.length||nums1.length==0)   arr[k]=(double)nums2[j++]; 
            //nums1为空，或者nums1已经被拿完了的时候   
            else if(j>=nums2.length||nums2.length==0)   arr[k]=(double)nums1[i++];
             //拿比较小的
            else if(nums1[i]>=nums2[j])   arr[k]=(double)nums2[j++];
            else   arr[k]=(double)nums1[i++];
        }
        //判断奇偶返回值
        if(mn%2!=0)    return arr[mn/2];
        if(mn%2==0)    return (arr[(mn/2)-1]+arr[mn/2])/2;
        return 0;
    }
}

4、其他大神的代码

代码是力扣的官方题解，用的是二分查找。

大家可以去看一下视频！

4. 寻找两个正序数组的中位数 - 力扣（Leetcode）

class Solution {
    public double findMedianSortedArrays(int[] nums1, int[] nums2) {
        int length1 = nums1.length, length2 = nums2.length;
        int totalLength = length1 + length2;
        if (totalLength % 2 == 1) {
            int midIndex = totalLength / 2;
            double median = getKthElement(nums1, nums2, midIndex + 1);
            return median;
        } else {
            int midIndex1 = totalLength / 2 - 1, midIndex2 = totalLength / 2;
            double median = (getKthElement(nums1, nums2, midIndex1 + 1) + getKthElement(nums1, nums2, midIndex2 + 1)) / 2.0;
            return median;
        }
    }

    public int getKthElement(int[] nums1, int[] nums2, int 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
         */

        int length1 = nums1.length, length2 = nums2.length;
        int index1 = 0, index2 = 0;
        int kthElement = 0;

        while (true) {
            // 边界情况
            if (index1 == length1) {
                return nums2[index2 + k - 1];
            }
            if (index2 == length2) {
                return nums1[index1 + k - 1];
            }
            if (k == 1) {
                return Math.min(nums1[index1], nums2[index2]);
            }
            
            // 正常情况
            int half = k / 2;
            int newIndex1 = Math.min(index1 + half, length1) - 1;
            int newIndex2 = Math.min(index2 + half, length2) - 1;
            int pivot1 = nums1[newIndex1], pivot2 = nums2[newIndex2];
            if (pivot1 <= pivot2) {
                k -= (newIndex1 - index1 + 1);
                index1 = newIndex1 + 1;
            } else {
                k -= (newIndex2 - index2 + 1);
                index2 = newIndex2 + 1;
            }
        }
    }
}