median-of-two-sorted-arrays

本文介绍如何使用二分查找法解决LeetCode问题,通过合并两个已排序数组找到中位数,优化时间复杂度至O(log(m+n))。重点在于边界判断和合并数组操作。

median-of-two-sorted-arrays.py

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)) 。

https://leetcode.cn/problems/median-of-two-sorted-arrays

结果:⋆⋆\star\star

20220613
> https://leetcode.cn/problems/median-of-two-sorted-arrays/submissions/

执行用时:64 ms, 在所有 Python 提交中击败了10.56%的用户
内存消耗:13 MB, 在所有 Python 提交中击败了93.75%的用户

time cost: 12 hour

代码:

class Solution(object):
    def findMedianSortedArrays(self, nums1, nums2):
        """
        :type nums1: List[int]
        :type nums2: List[int]
        :rtype: float
        """
        l = len(nums1) + len(nums2)
        end = l // 2
        idx_1, idx_2 = 0, 0
        end_flag = ''
        new = []
        try:
            if nums1 != [] and nums2 != []:
                while idx_1 + idx_2 <= end:
                    print(idx_1, idx_2)
                    a = nums1[idx_1]
                    b = nums2[idx_2]
                    if a > b:
                        idx_2 += 1
                        new.append(b)
                    else:
                        idx_1 += 1
                        new.append(a)
                    # if idx_1 > l1:
                    #     end_flag = "1"
                    #     break
                    # elif idx_2 > l2:
                    #     end_flag = "2"
                    #     break
                print(end_flag)
                print(idx_1, idx_2)
        except IndexError:
            if idx_1 > len(nums1) - 1:
                end_flag = "1"
            elif idx_2 > len(nums2) - 1:
                end_flag = "2"

        if end_flag == '2' or nums2 == []:
            for idx in range(idx_1, end - idx_2 + 1):
                new.append(nums1[idx])
        elif end_flag == '1' or nums1 == []:
            for idx in range(idx_2, end - idx_1 + 1):
                print(idx)
                new.append(nums2[idx])
        if l % 2 == 1:
            mid = new[-1]
        else:
            mid = (new[-1] + new[-2]) * 1.0 / 2
        print(new)
        return mid

思路:

同时遍历两个num list,按顺序大小存入新数组,算到一半长,奇数个取最后一个,偶数个取最后两个的平均值,结束运行

难处:各种边界的判断

*题目规定了时间复杂度,因此应该是二分查找,没做出来,该改进

⋆⋆\star\star

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 $O(\log\min(m, n))$。
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
红包 添加红包
表情包 插入表情
 条评论被折叠 查看
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