Leetcode04中位数

中位数

一、不考虑题目要求的时间复杂度时，可以使用Arrays.sort()进行两个数组合并后的排序，然后进行奇偶判定，寻找中位数。

public class Leetcode {

        public static double findMedianSortedArrays(int[] nums1, int[] nums2) {
            double res=0;
            int [] nums3=new int[nums1.length+nums2.length];
            for (int i=0;i<nums1.length;i++){
                nums3[i]=nums1[i];
            }
            for (int i=0;i<nums2.length;i++){
                nums3[i+nums1.length]=nums2[i];
            }
            Arrays.sort(nums3);
            if ((nums3.length)%2==0){
                res=(nums3[nums3.length/2-1]+nums3[nums3.length/2]+0.0)/2;
            }
            else{
                res=nums3[(nums3.length-1)/2];
            }
            return  res;
        }

    public static void main(String[] args) {
        int [] num1={1,2,3};
        int [] num2={4,5,6};
        System.out.println(findMedianSortedArrays(num1,num2));
    }
}

**二、**如果对时间复杂度的要求有log，通常都需要用到二分查找，这道题也可以通过二分查找实现。即寻找两个有序数组中第k（根据奇偶情况）小的元素：
1.如果A[k/2−1]<B[k/2−1]，则比 \text{A}[k/2-1]A[k/2−1] 小的数最多只有 \text{A}A 的前 k/2-1k/2−1 个数和 \text{B}B 的前 k/2-1k/2−1 个数，即比 A[k/2−1] 小的数最多只有 k−2 个，因此A[k/2−1] 不可能是第 k 个数，A[0] 到 A[k/2−1] 也都不可能是第 k 个数，可以全部排除。
2.如果 A[k/2−1]>B[k/2−1]，则可以排除B[0] 到B[k/2−1]。
3.如果A[k/2−1]=B[k/2−1]，则可以归入第一种情况处理。
然后k=k-k/2；继续上述算法；

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;
            }
        }
    }
}