leetcode4. 寻找两个正序数组的中位数

本文介绍了一种在两个已排序数组中查找中位数的方法,通过双指针法实现,确保了O(log(m+n))的时间复杂度。文章详细解析了算法步骤,包括移动次数的计算、指针更新及最终中位数的确定。

题目

给定两个大小为 m 和 n 的正序(从小到大)数组 nums1 和 nums2。
请你找出这两个正序数组的中位数,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

解题思路

双指针法,每次比较两个数组指定位置的大小并移动指针位置

代码

public  double findMedianSortedArrays(int[] nums1, int[] nums2) {
    int nums1Length = nums1.length;
    int nums2Length = nums2.length;

	//移动的次数,偶数减1
    int centre = (nums1Length + nums2Length) % 2 == 0 ? (nums1Length + nums2Length) / 2 - 1 : (nums1Length + nums2Length) / 2;

    int nums1Left = 0;
    int nums2Left = 0;
    while(centre > 0) {
        int value1 = nums1Left == nums1Length ? Integer.MAX_VALUE : nums1[nums1Left];
        int value2 = nums2Left == nums2Length ? Integer.MAX_VALUE : nums2[nums2Left];
        if (value1 < value2) {
            nums1Left++;
        } else {
            nums2Left++;
        }
        centre--;
    }

	
    int first = (nums1Left == nums1Length || (nums2Left != nums2Length && nums1[nums1Left] > nums2[nums2Left]))
            ? nums2[nums2Left] : nums1[nums1Left];
    //两个数组长度和为偶数时
    if ((nums1Length + nums2Length) % 2 == 0) {
    	//如果nums1Left没有走到最后,并且first值等于nums1[nums1Left],表示first是在nums1数组
        if (nums1Left != nums1Length && first == nums1[nums1Left]) {
            nums1Left++;
        } else {
            nums2Left++;
        }
        int second = (nums1Left == nums1Length || (nums2Left != nums2Length && nums1[nums1Left] > nums2[nums2Left]))
                ? nums2[nums2Left] : nums1[nums1Left];
        return (first + second) / 2.0;
    }
    return (double)first;
}
Leetcode4题“寻找两个序数中位数”可从不同角度进行分析: ### 问题转化角度 寻找中位数可根据两个长度之和的奇偶性进行不同处理。当两个长度之和为奇数时,需查找第(m + n)/ 2 + 1大的元素;当两个长度之和为偶数时,要查找第(m + n)/ 2大的元素和第(m + n)/ 2 + 1大的元素,再取平均值。这样就将问题转化为寻找中第k小的数 [^1]。 ### 划分角度 中位数的作用是将一个集合划分为两个长度相等的子集,其中一个子集中的元素总是大于另一个子集中的元素。对数A从i位置进行划分,对数B在j位置划分,可得到left_part和right_part。通过一系列推导,可将中位数问题转换为:在特定范围内寻找最大的i,使得满足一定条件,进而可在该范围内对i进行二分查找 [^2]。 ### 合并数角度 可以定义两个变量记录两个的遍历位置,同时定义一个记录拼接后序的数。比较两个变量所在位置的数值,将较小的放入结果数,并将该变量索引加1。当一个数遍历完后,将另一个数剩余元素添加到结果数。最后根据结果数长度的奇偶性计算中位数 [^3]。 ### 总结 该问题核心是处理两个序数来获取中位数。可以采用将问题转化为找第k小的数、基于划分思想的二分查找,或者通过合并两个的方式来解决。不同方法各有优劣,转化为第k小的数和划分二分查找的方法在时间复杂度上更优,而合并数的方法思路更直观,但时间复杂度相对较高。 ```python # 合并数法示例代码 def findMedianSortedArrays(nums1, nums2): m, n = len(nums1), len(nums2) i, j = 0, 0 merged = [] while i < m and j < n: if nums1[i] < nums2[j]: merged.append(nums1[i]) i += 1 else: merged.append(nums2[j]) j += 1 while i < m: merged.append(nums1[i]) i += 1 while j < n: merged.append(nums2[j]) j += 1 length = len(merged) if length % 2 == 0: return (merged[length // 2 - 1] + merged[length // 2]) / 2 else: return merged[length // 2] ```
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