[每日一题] 121. 寻找两个有序数组的中位数(数组、二分法、马拉车算法、多方法）

最新推荐文章于 2021-10-12 00:00:00 发布

Ypuyu

最新推荐文章于 2021-10-12 00:00:00 发布

阅读量578

点赞数

分类专栏：每日一题文章标签：算法编程题数组二分法马拉车算法多方法

本文链接：https://blog.csdn.net/yl_puyu/article/details/104139718

版权

每日一题专栏收录该内容

164 篇文章 18 订阅

订阅专栏

1. 题目来源

链接：寻找两个有序数组的中位数
来源：LeetCode

2. 题目说明

给定两个大小为 m 和 n 的有序数组 nums1 和 nums2。

请你找出这两个有序数组的中位数，并且要求算法的时间复杂度为 O(log(m + n))。

你可以假设 nums1 和 nums2 不会同时为空。
示例1：

nums1 = [1, 3]
nums2 = [2]

则中位数是 2.0

示例 2:

nums1 = [1, 2]
nums2 = [3, 4]

则中位数是 (2 + 3)/2 = 2.5

3. 题目解析

方法一：二分法详解、逻辑性较强，配合例子加强理解

这道题让求两个有序数组的中位数，而且限制了时间复杂度为 O(log (m+n))，看到这个时间复杂度，自然而然的想到了应该使用二分查找法来求解。但是这道题被定义为 Hard 也是有其原因的，难就难在要在两个未合并的有序数组之间使用二分法，如果这道题只有一个有序数组，让求中位数的话，估计就是个 Easy 题。对于这道题来说，可以将两个有序数组混合起来成为一个有序数组再做吗，图样图森破，这个时间复杂度限制的就是告诉你金坷垃别想啦。 还是要用二分法，而且是在两个数组之间使用，感觉很高端啊。

回顾一下中位数的定义，如果某个有序数组长度是奇数，那么其中位数就是最中间那个，如果是偶数，那么就是最中间两个数字的平均值。这里对于两个有序数组也是一样的，假设两个有序数组的长度分别为m和n，由于两个数组长度之和 m+n 的奇偶不确定，因此需要分情况来讨论，对于奇数的情况，直接找到最中间的数即可，偶数的话需要求最中间两个数的平均值。

为了简化代码，不分情况讨论，使用一个小技巧，分别找第 (m+n+1) / 2 个，和 (m+n+2) / 2 个，然后求其平均值即可，这对奇偶数均适用。若 m+n 为奇数的话，那么其实 (m+n+1) / 2 和 (m+n+2) / 2 的值相等，相当于两个相同的数字相加再除以2，还是其本身。

好，这里需要定义一个函数来在两个有序数组中找到第K个元素，下面重点来看如何实现找到第K个元素。

首先，为了避免拷贝产生新的数组从而增加时间复杂度，使用两个变量 i 和 j 分别来标记数组 nums1 和 nums2 的起始位置。然后来处理一些边界、特殊情况：

比如当某一个数组的起始位置大于等于其数组长度时，说明其所有数字均已经被淘汰了，相当于一个空数组了，那么实际上就变成了在另一个数组中找数字，直接就可以找出来了。
还有如果 K = 1 的话，只要比较 nums1 和 nums2 的起始位置 i 和 j 上的数字就可以了。

难点就在于一般的情况怎么处理？因为需要在两个有序数组中找到第K个元素，为了加快搜索的速度，可以使用二分法，那么对谁二分呢，数组么？其实要对K二分，意思是需要分别在 nums1 和 nums2 中查找第 K / 2 个元素，注意这里由于两个数组的长度不定，所以有可能某个数组没有第 K / 2 个数字，所以需要先检查一下，数组中到底存不存在第 K / 2 个数字： 如果存在就取出来，否则就赋值上一个整型最大值（目的是要在 nums1 或者 nums2 中先淘汰 K / 2 个较小的数字，判断的依据就是看 midVal1 和 midVal2 谁更小，如果某个数组的个数都不到 K / 2 个，自然无法淘汰，所以将其对应的 midVal 值设为整型最大值，以保证其不会被淘汰），若某个数组没有第 K / 2 个数字，则淘汰另一个数组的前 K / 2 个数字即可。

举个例子来说吧，比如 nums1 = {3}，nums2 = {2, 4, 5, 6, 7}，K = 4，要找两个数组混合中第4个数字，则分别在 nums1 和 nums2 中找第2个数字，而 nums1 中只有一个数字，不存在第二个数字，则 nums2 中的前2个数字可以直接跳过，为啥呢，因为要求的是整个混合数组的第4个数字，不管 nums1 中的那个数字是大是小，第4个数字绝不会出现在 nums2 的前两个数字中，所以可以直接跳过。

有没有可能两个数组都不存在第 K / 2 个数字呢，这道题里是不可能的，因为K不是任意给的，而是给的 m + n 的中间值，所以必定至少会有一个数组是存在第 K / 2 个数字的。

最后就是二分法的核心了：

首先比较这两个数组的第 K / 2 小的数字 midVal1 和 midVal2 的大小
如果第一个数组的第 K / 2 个数字小的话，那么说明要找的数字肯定不在 nums1 中的前 K / 2 个数字，可以将其淘汰，将 nums1 的起始位置向后移动 K / 2 个，并且此时的K也自减去 K / 2，调用递归
举个例子来说吧，比如 nums1 = {1, 3}，nums2 = {2, 4, 5}，K=4，要找两个数组混合中第4个数字，那么分别在 nums1 和 nums2 中找第2个数字，nums1 中的第2个数字是3，nums2 中的第2个数字是4，由于3小于4，所以混合数组中第4个数字肯定在 nums2*中，可以将 nums1 的起始位置向后移动 K / 2 个。反之，淘汰 nums2 中的前 K / 2 个数字，并将 nums2 的起始位置向后移动 K / 2 个，并且此时的K也自减去 K / 2，调用递归即可

参见代码如下：

// 执行用时 :24 ms, 在所有 C++ 提交中击败了53.40%的用户
// 内存消耗 :9.7 MB, 在所有 C++ 提交中击败了37.80%的用户

class Solution {
public:
    double findMedianSortedArrays(vector<int>& nums1, vector<int>& nums2) {
        int m = nums1.size(), n = nums2.size(), left = (m + n + 1) / 2, right = (m + n + 2) / 2;
        return (findKth(nums1, 0, nums2, 0, left) + findKth(nums1, 0, nums2, 0, right)) / 2.0;
    }
    int findKth(vector<int>& nums1, int i, vector<int>& nums2, int j, int k) {
        if (i >= nums1.size()) return nums2[j + k - 1];
        if (j >= nums2.size()) return nums1[i + k - 1];
        if (k == 1) return min(nums1[i], nums2[j]);
        int midVal1 = (i + k / 2 - 1 < nums1.size()) ? nums1[i + k / 2 - 1] : INT_MAX;
        int midVal2 = (j + k / 2 - 1 < nums2.size()) ? nums2[j + k / 2 - 1] : INT_MAX;
        if (midVal1 < midVal2) {
            return findKth(nums1, i + k / 2, nums2, j, k - k / 2);
        } else {
            return findKth(nums1, i, nums2, j + k / 2, k - k / 2);
        }
    }
};

方法二：换个思路继续二分法解题

上面的解法一直使用的是原数组，同时用了两个变量来分别标记当前的起始位置。

也可以直接生成新的数组，这样就不要用起始位置变量了，不过拷贝数组的操作可能会增加时间复杂度，也许会超出限制，不过就算当个思路拓展也是极好的。

首先要判断数组是否为空，为空的话，直接在另一个数组找第 K 个即可
还有一种情况是当 K = 1 时，表示要找第一个元素，只要比较两个数组的第一个元素，返回较小的那个即可
一般情况即分别取出两个数组的第 K / 2 个数字的位置坐标 i 和 j ，为了避免数组没有第 K / 2 个数组的情况，每次都和数组长度做比较，取出较小值

这里跟上面的解法有些许不同，上面解法直接取出的是值，而这里取出的是位置坐标，但是思想都是很类似的。不同在于，上面解法中每次固定淘汰 K / 2 个数字，而这里由于取出了合法的 i 和 j ，所以每次淘汰 i 或 j 个。也可以让 j = k - i，这样也是对的，可能还更好一些，收敛速度可能会更快一些，参见代码如下：

// 执行用时 :28 ms, 在所有 C++ 提交中击败了31.59%的用户
// 内存消耗 :16.4 MB, 在所有 C++ 提交中击败了5.08%的用户

class Solution {
public:
    double findMedianSortedArrays(vector<int>& nums1, vector<int>& nums2) {
        int m = nums1.size(), n = nums2.size();
        return (findKth(nums1, nums2, (m + n + 1) / 2) + findKth(nums1, nums2, (m + n + 2) / 2)) / 2.0;
    }
    int findKth(vector<int> nums1, vector<int> nums2, int k) {
        if (nums1.empty()) return nums2[k - 1];
        if (nums2.empty()) return nums1[k - 1];
        if (k == 1) return min(nums1[0], nums2[0]);
        int i = min((int)nums1.size(), k / 2), j = min((int)nums2.size(), k / 2);
        if (nums1[i - 1] > nums2[j - 1]) {
            return findKth(nums1, vector<int>(nums2.begin() + j, nums2.end()), k - j);
        } else {
            return findKth(vector<int>(nums1.begin() + i, nums1.end()), nums2, k - i);
        }
        return 0;
    }
};

方法三：迭代形式的二分搜索法、马拉车算法技巧应用

此题还能用迭代形式的二分搜索法来解，是一种相当巧妙的应用。

所谓的中位数，换一种角度去看，其实就是把一个有序数组分为长度相等的两段，中位数就是前半段的最大值和后半段的最小值的平均数，也就是离分割点相邻的两个数字的平均值。

比如说对于偶数个数组 [1 3 5 7]，那么分割开来就是 [1 3 / 5 7]，其中 ’ / ’ 表示分割点，中位数就是3和5的平均值。对于奇数个数组 [1 3 4 5 7]，可以分割为 [1 3 4 / 4 5 7]，可以发现左右两边都有个4，则中位数是两个4的平均数，还是4。

这里使用L表示分割点左边的数字，R表示分割点右边的数字，则对于 [1 3 5 7] 来说，L=3，R=5。对于 [1 3 4 5 7] 来说，L=4，R=4。那么对于长度为N的数组来说，可以分别得到L和R的位置，如下所示：

N        Index of L        Index of R
1          0                0
2          0                1
3          1                1
4          1                2
5          2                2
6          2                3
7          3                3
8          3                4

观察上表，可以得到规律，Idx( L ) = (N - 1) / 2，idx( R ) = N / 2，所以中位数可以用下式表示：
$(L + R) / 2 = (A [(N - 1) / 2] + A [N / 2]) / 2$

为了统一数组长度为奇数和偶数的情况，可以使用一个小技巧，即在每个数字的两边都加上一个特殊字符，比如井号，这个技巧其实在马拉车算法中也使用过，可以参见博主之前的帖子 [杂谈] 11. Manacher’s Algorithm 马拉车算法。这样做的好处是不管奇数或者偶数，加井号后数组的长度都是奇数，并且切割点的位置也是确定的，比如：

[1 3 5 7]    ->    [# 1 # 3 # 5 # 7 #]        N = 4
index               0 1 2 3 4 5 6 7 8         newN = 9

[1 3 4 5 7]    ->    [# 1 # 3 # 4 # 5 # 7 #]        N = 5
index                 0 1 2 3 4 5 6 7 8 9 10        newN = 11

这里的 N 是原数组的长度，newN 是添加井号后新数组的长度，可以发现 newN = 2N + 1，而且切割点永远都在新数组中坐标为N的位置，且 idx(L) = (N - 1) / 2，idx ( R ) = N / 2，这里的 N 就可以换成分割点的位置，岂不美哉（注意这里的 idx(L) 和 idx( R ) 表示的是在未填充 # 号的坐标位置），现在假设有两个数组：

[1 3 4 5 7]    ->    [# 1 # 3 # 4 # 5 # 7 #]        N1 = 5
index                 0 1 2 3 4 5 6 7 8 9 10        newN1 = 11

[1 2 2 2]    ->    [# 1 # 2 # 2 # 2 #]        N2 = 4
index               0 1 2 3 4 5 6 7 8         newN2 = 9

跟只有一个数组的情况类似，这里需要找到一个切割点，到达一下目的：

使得其分别可以将两个数组分成左右两部分
需要满足的是 两个左半边中的任意一个数字都要小于两个右半边数组的数字
注意这里可能有的左半边或右半边会为空，但是两个左半边数字的个数和应该等于两个右半边的个数和

这里还可以观察出一些规律：

总共有 2N1 + 2N2 + 2 个位置，那么除去两个分割点，两个左右半边应该各有 N1 + N2 个数字
因此，对于一个在 A2 数组中的分割点位置 C2 = K，在 A1 数组中的位置应该为 C1 = N1 + N2 - K，比如假如在 A2 中的分割点位置为 C2 = 2，那么在 A1 中的位置为 C1 = 4 + 5 - C2 = 7

[# 1 # 3 # 4 # (5/5) # 7 #]
 0 1 2 3 4 5 6   7   8 9 10 

[# 1 / 2 # 2 # 2 #]
 0 1 2 3 4 5 6 7 8

假如两个数组都被分割了，那么就应该会有两个 L 和 R ，分别是：

L1 = A1[(C1 - 1) / 2]
R1 = A1[C1 / 2]

L2 = A2[(C2 - 1) / 2]
R2 = A2[C2 / 2]

对于上面的例子就有：

L1 = A1[(7 - 1) / 2] = A1[3] = 5
R1 = A1[7 / 2] = A1[3] = 5

L2 = A2[(2 - 1) / 2] = A2[0] = 1
R2 = A2[2 / 2] = A2[1] = 2

现在需要 检测这个切割点是否是正确的中位数的切割点，那么根据之前的分析，任意的左半边的数字都需要小于等于右半边的数字，L1 和 L2 是左半边的最大的数字，R1 和 R2 是右半边的最小的数字，所以需要满足下列关系：

L1 <= R1 && L1 <= R2 && L2 <= R1 && L2 <= R2

由于 两个数组都是有序的，所以 L1 <= R1 和 L2 <= R2 都是满足的，那么就只需要满足下列的不等式即可：

L1 <= R2 && L2 <= R1

这样的话就可以利用二分搜索了

假如 L1 > R2，说明数组 A1 的左半边的数字过大，需要把切割点 C1 往左移动
假如 L2 > R1，说明数组 A2 的左半边的数字过大，需要把切割点 C2 往左移动

若满足上面的条件，说明当前切割点就是正确的，那么中位数就可以求出来了，即为：

(max(L1, L2) + min(R1, R2)) / 2

最后还有两点注意事项：

由于 C1 和 C2 是可以互相计算而得，即一个确定了，另一个就可以计算出来了。所以 尽量去移动较短的那个数组，这样得到的时间复杂度为 O(lg(min(N1, N2)))。
对于边界、特殊情况的处理，当切割点在 0 或者 2n 的位置时，将L或R的值分别赋值为整型最小值和最大值，这不会改变正确的切割点的位置，会使得代码实现更加方便。

// 执行用时 :16 ms, 在所有 C++ 提交中击败了91.82%的用户
// 内存消耗 :9.5 MB, 在所有 C++ 提交中击败了65.56%的用户

class Solution {
public:
    double findMedianSortedArrays(vector<int>& nums1, vector<int>& nums2) {
        int m = nums1.size(), n = nums2.size();
        if (m < n) return findMedianSortedArrays(nums2, nums1);
        if (n == 0) return ((double)nums1[(m - 1) / 2] + (double)nums1[m / 2]) / 2.0;
        int left = 0, right = n * 2;
        while (left <= right) {
            int mid2 = (left + right) / 2;
            int mid1 = m + n - mid2;
            double L1 = mid1 == 0 ? INT_MIN : nums1[(mid1 - 1) / 2];
            double L2 = mid2 == 0 ? INT_MIN : nums2[(mid2 - 1) / 2];
            double R1 = mid1 == m * 2 ? INT_MAX : nums1[mid1 / 2];
            double R2 = mid2 == n * 2 ? INT_MAX : nums2[mid2 / 2];
            if (L1 > R2) left = mid2 + 1;
            else if (L2 > R1) right = mid2 - 1;
            else return (max(L1, L2) + min(R1, R2)) / 2;
        }
        return -1;
    }
};

Ypuyu

关注

0
点赞
踩
2

收藏

觉得还不错? 一键收藏
打赏
0
评论
[每日一题] 121. 寻找两个有序数组的中位数(数组、二分法、马拉车算法、多方法）

1. 题目来源链接：寻找两个有序数组的中位数来源：LeetCode2. 题目说明给定两个大小为 m 和 n 的有序数组 nums1 和 nums2。请你找出这两个有序数组的中位数，并且要求算法的时间复杂度为 O(log(m + n))。你可以假设 nums1 和 nums2 不会同时为空。示例1：nums1 = [1, 3]nums2 = [2]则中位数是 2.0示例 2...
复制链接

扫一扫