【leetcode第4题—寻找两个正序数组的中位数】

目录

介绍

解题思路

方法1  二分查找（官方题解）

getKthElement函数的主要逻辑：

主函数findMedianSortedArrays：

方法2  合并排序

代码实现

方法1  二分查找

方法2  合并排序

总结

---

介绍

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

解题思路

给定两个有序数组，要求找到两个有序数组的中位数，最直观的思路有以下两种：

找到中位数的位置。由于两个数组的长度已知，因此中位数对应的两个数组的下标之和也是已知的。维护两个指针，初始时分别指向两个数组的下标 000 的位置，每次将指向较小值的指针后移一位（如果一个指针已经到达数组末尾，则只需要移动另一个数组的指针），直到到达中位数的位置。

使用归并的方式，合并两个有序数组，得到一个大的有序数组。大的有序数组的中间位置的元素，即为中位数。

方法1  二分查找（官方题解）

getKthElement函数的主要逻辑：

• 该函数用于找到两个已排序数组中的第k小的元素。
• 使用两个指针index1和index2分别指向nums1和nums2的起始位置。
• 不断迭代，直到找到第k小的元素或其中一个数组遍历完。
• 在每次迭代中，首先检查特殊情况：
  • 如果index1等于数组nums1的长度m，则表示nums1中的所有元素都被考虑过了，直接返回nums2中第k - 1个元素。
  • 如果index2等于数组nums2的长度n，则表示nums2中的所有元素都被考虑过了，直接返回nums1中第k - 1个元素。
  • 如果k等于1，则表示要找的是最小的元素，返回nums1和nums2当前指针位置的较小值。
• 在正常情况下，通过取pivot1和pivot2（分别为nums1和nums2中间元素）的较小值，确定要移动的指针和要减少的k的值：
  • 将指针向前移动，同时更新k的值，以便在剩余的数组中继续搜索。
• 该函数的循环会一直执行，直到找到第k小的元素为止。

主函数findMedianSortedArrays：

• 首先获取两个数组的长度m和n以及它们的总长度totalLength。
• 如果总长度为奇数，则中位数即为第(totalLength + 1) // 2个元素。
• 如果总长度为偶数，则中位数为第(totalLength // 2)和第(totalLength // 2 + 1)个元素的平均值。
• 返回通过getKthElement函数找到的中位数值。

方法2  合并排序

我们首先将两个输入数组nums1和nums2连接成一个新的数组nums。然后，我们对这个新数组进行排序，以便找到其中位数。如果数组长度为奇数，我们只需返回中间元素；如果数组长度为偶数，我们将取中间两个元素的平均值作为中位数。

这个解法在概念上是正确的，但是需要注意的是它的时间复杂度为O((m+n)log(m+n))，其中m和n分别是两个输入数组的长度。这是因为在Python中，对列表进行排序的时间复杂度通常是O(nlogn)，而在此解法中，我们首先将两个列表连接成一个新列表，然后对这个新列表进行排序。

代码实现

方法1  二分查找

class Solution:
    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

方法2  合并排序

class Solution(object):
    def findMedianSortedArrays(self, nums1, nums2):
        """
        :type nums1: List[int]
        :type nums2: List[int]
        :rtype: float
        """
        nums = nums1+nums2
        num = sorted(nums)
        if len(num) % 2!=0:
            return num[int((len(num)-1)/2)]
        else:
            a = int(len(num)/2)        
            b = a-1
            sum = float(num[a]+num[b])
            return (sum/2)

总结

二分查找法和暴力合并法都可以用来找到两个已排序数组的中位数。首先，二分查找法是一种更高效的方法，它通过二分查找在不合并数组的情况下找到中位数。这种方法具有较低的时间复杂度和较小的空间需求，尤其适用于大型输入数组。其时间复杂度为 O(log(min(m, n)))，其中 m 和 n 分别为两个数组的长度。相比之下，暴力合并法将两个数组合并成一个数组，然后找到该数组的中位数。虽然实现简单直接，但需要额外的空间来合并数组，增加了时间和空间复杂度。其时间复杂度为 O(m + n)，其中 m 和 n 分别为两个数组的长度。

总的来说，对于找到两个已排序数组的中位数，特别是对于较大的数组来说，二分查找法更有效，因为它具有更低的时间复杂度和更小的空间需求。