leetcode Median of Two Sorted Arrays

题目:
There are two sorted arrays nums1 and nums2 of size m and n respectively.

Find the median of the two sorted arrays. The overall run time complexity should be O(log (m+n)).

You may assume nums1 and nums2 cannot be both empty.

Example 1:

  • nums1 = [1, 3]
  • nums2 = [2]
  • The median is 2.0

Example 2:

  • nums1 = [1, 2]
  • nums2 = [3, 4]
  • The median is (2 + 3)/2 = 2.5

思路:
找中位数可以等价于找第k小的数,k=(m+n)/2。
先不考虑时间复杂度,比较容易想到的就是将两个nums合起来排序,然后输出第k个数,k=(m+n)/2。由于两个nums已经是分别有序,所以用两个指针分别去遍历这两个数组并比较大小将较小的依次放入另外一个数组里,时间复杂度是o(m+n)。

class Solution {
public:
    double findMedianSortedArrays(vector<int>& nums1, vector<int>& nums2) {
    size_t n1 = nums1.size(), n2 = nums2.size();
    size_t n = n1+n2;
    vector<int> nums(n,0);

    assert(n > 0);
    
    nums1.push_back(INT_MAX);
    nums2.push_back(INT_MAX);

    size_t i = 0, j = 0, k = 0;
    while(i < n1 || j < n2) {
        if (nums1[i] <= nums2[j]) {
            nums[k++] = nums1[i++];
        }
        else
            nums[k++] = nums2[j++];
    }

    return ((n%2) ? (double)nums[(n-1)/2]:(double)(nums[(n-1)/2]+nums[n/2])/2);
        
    }
 };

要求的时间复杂度是o(log(m+n)),很容易想到用二分法。哪具体怎么做呢?突破点在两个数组分别有序。若数组1的第k/2个数小于数组2的第k/2个数,推出数组1的第k/2个数至多为(k/2 + k/2 -1)大,不可能是第k小的数。也就是说第k小的数不可能出现在数组1的前k/2里,因此可以把数组1的前k/2个数去掉。同理,若数组1的第k/2个数大于数组2的第k/2个数,去掉数组2的前k/2个数。若数组1的第k/2个数等于数组2的第k/2个数,则找到了第k小的数。

当然k/2不一定为整数,需要处理一下。

class Solution {
    int findkthsmallest(vector<int>::iterator a, int m , vector<int>::iterator b, int n, int k)
    {
        if(m > n)
            return findkthsmallest(b, n, a, m, k);
        if(m == 0)
            return *(b+k-1);
        if(k == 1)
            return min(*a, *b);
        int pa = min(k/2, m) ;
        int pb = k - pa;
        if(*(a+pa-1) < *(b+pb-1))
            return findkthsmallest(a+pa, m - pa, b, n , k-pa);
        else if(*(a+pa-1) > *(b+pb-1))
            return findkthsmallest(a, m, b+pb, n-pb, k-pb);
        else
            return *(a+pa-1);
        
        
    }
    
    double findMedianSortedArrays(vector<int>& nums1, vector<int>& nums2) {
        
        vector<int>:: iterator a = nums1.begin();
        vector<int>:: iterator b = nums2.begin();
        
        int m = nums1.size();
        int n = nums2.size();
        int total = m + n ;
        if(total%2 == 1)
            return (double) findkthsmallest(a, m, b, n, total/2 + 1);
        else 
            return (double)(findkthsmallest(a, m, b, n, total/2) + findkthsmallest(a, m, b, n, total/2 +1))/2 ;
        
    }
    
};
  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
YOLO高分设计资源源码,详情请查看资源内容中使用说明 YOLO高分设计资源源码,详情请查看资源内容中使用说明 YOLO高分设计资源源码,详情请查看资源内容中使用说明 YOLO高分设计资源源码,详情请查看资源内容中使用说明YOLO高分设计资源源码,详情请查看资源内容中使用说明YOLO高分设计资源源码,详情请查看资源内容中使用说明YOLO高分设计资源源码,详情请查看资源内容中使用说明YOLO高分设计资源源码,详情请查看资源内容中使用说明YOLO高分设计资源源码,详情请查看资源内容中使用说明YOLO高分设计资源源码,详情请查看资源内容中使用说明YOLO高分设计资源源码,详情请查看资源内容中使用说明YOLO高分设计资源源码,详情请查看资源内容中使用说明YOLO高分设计资源源码,详情请查看资源内容中使用说明YOLO高分设计资源源码,详情请查看资源内容中使用说明YOLO高分设计资源源码,详情请查看资源内容中使用说明YOLO高分设计资源源码,详情请查看资源内容中使用说明YOLO高分设计资源源码,详情请查看资源内容中使用说明YOLO高分设计资源源码,详情请查看资源内容中使用说明YOLO高分设计资源源码,详情请查看资源内容中使用说明YOLO高分设计资源源码,详情请查看资源内容中使用说明YOLO高分设计资源源码,详情请查看资源内容中使用说明YOLO高分设计资源源码,详情请查看资源内容中使用说明YOLO高分设计资源源码,详情请查看资源内容中使用说明YOLO高分设计资源源码,详情请查看资源内容中使用说明YOLO高分设计资源源码,详情请查看资源内容中使用说明YOLO高分设计资源源码,详情请查看资源内容中使用说明
可以使用二分查找算法来解决这个问题。 首先,我们可以将两个数组合并成一个有序数组,然后求出中位数。但是,这个方法的时间复杂度为 $O(m + n)$,不符合题目要求。因此,我们需要寻找一种更快的方法。 我们可以使用二分查找算法在两个数组中分别找到一个位置,使得这个位置将两个数组分成的左右两部分的元素个数之和相等,或者两部分的元素个数之差不超过 1。这个位置就是中位数所在的位置。 具体来说,我们分别在两个数组中二分查找,假设现在在第一个数组中找到了一个位置 $i$,那么在第二个数组中对应的位置就是 $(m + n + 1) / 2 - i$。如果 $i$ 左边的元素个数加上 $(m + n + 1) / 2 - i$ 左边的元素个数等于 $m$ 个,或者 $i$ 左边的元素个数加上 $(m + n + 1) / 2 - i$ 左边的元素个数等于 $m + 1$ 个,则这个位置就是中位数所在的位置。 具体的实现可以参考以下 Java 代码: ```java public double findMedianSortedArrays(int[] nums1, int[] nums2) { int m = nums1.length, n = nums2.length; if (m > n) { // 保证第一个数组不大于第二个数组 int[] tmp = nums1; nums1 = nums2; nums2 = tmp; int t = m; m = n; n = t; } int imin = 0, imax = m, halfLen = (m + n + 1) / 2; while (imin <= imax) { int i = (imin + imax) / 2; int j = halfLen - i; if (i < imax && nums2[j - 1] > nums1[i]) { imin = i + 1; // i 太小了,增大 i } else if (i > imin && nums1[i - 1] > nums2[j]) { imax = i - 1; // i 太大了,减小 i } else { // i 是合适的位置 int maxLeft = 0; if (i == 0) { // nums1 的左边没有元素 maxLeft = nums2[j - 1]; } else if (j == 0) { // nums2 的左边没有元素 maxLeft = nums1[i - 1]; } else { maxLeft = Math.max(nums1[i - 1], nums2[j - 1]); } if ((m + n) % 2 == 1) { // 总元素个数是奇数 return maxLeft; } int minRight = 0; if (i == m) { // nums1 的右边没有元素 minRight = nums2[j]; } else if (j == n) { // nums2 的右边没有元素 minRight = nums1[i]; } else { minRight = Math.min(nums1[i], nums2[j]); } return (maxLeft + minRight) / 2.0; } } return 0.0; } ``` 时间复杂度为 $O(\log\min(m, n))$。

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值