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
暴力解法:时间复杂度为 O(nlog(n)),不满足要求。
数组相加后排序,总数组长度为奇数时,中位数为数组第arr.count / 2位,为偶数时,为arr.count / 2位和arr.count / 2-1位的和除以2.0
class Solution { func findMedianSortedArrays(_ nums1: [Int], _ nums2: [Int]) -> Double { var arr = nums1 + nums2 arr.sort(by: <) if arr.count % 2 == 0 { //偶数 let num = arr[arr.count / 2] + arr[(arr.count / 2) - 1] return Double(num)/2.0 }else{ return Double(arr[arr.count / 2]) } } }
二分查找法
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
思路:
1.nums1长度m,nums2长度n,总长度为m+n,若总数组为奇数个,中位数为(m + n + 1) / 2,若总数组为偶数个,中位数为(m + n + 1) / 2,(m + n + 2) / 2,
2.转化为在两个数组中找第 K 个小的数,用2个下标,i为nums1下标,j为nums2下标。比较2个数组第k/2的值,若value1<value2,则nums1的下标i往后移k/2,反之,nums2的下标j往后移k/2,递归调用。当K=1时,取第1个小的数。当nums1为空时,取nums2里的第K个数。当nums2为空时,取nums1里的第K个数。
class Solution { func findMedianSortedArrays(_ nums1: [Int], _ nums2: [Int]) -> Double { let m = nums1.count let n = nums2.count let left = (m + n + 1) / 2 let mod = (m + n) % 2 if mod != 0 { //奇数个 return Double(findKth(nums1, 0, nums2, 0, left)) } let right = (m + n + 2) / 2 //偶数个 return Double(findKth(nums1, 0, nums2, 0, left) + findKth(nums1, 0, nums2, 0, right)) / 2.0 } //寻找第K个数 func findKth(_ nums1: [Int], _ i: Int, _ nums2: [Int], _ j: Int, _ k: Int) -> Int { //nums1为空数组时在nums2取第k个数 if i >= nums1.count { return nums2[j + k - 1] } //nums2为空数组时在nums1取第k个数 if j >= nums2.count { return nums1[i + k - 1] } //取第1个数时取两者最小值,因为是正序数组 if k == 1 { return min(nums1[i], nums2[j]) } if i + k / 2 - 1 >= nums1.count { return findKth(nums1, i, nums2, j + k / 2, k - k / 2) } if j + k / 2 - 1 >= nums2.count { return findKth(nums1, i + k / 2, nums2, j, k - k / 2) } let value1 = nums1[i + k / 2 - 1] let value2 = nums2[j + k / 2 - 1] // print(i,j,k,value1,value2) if value1 < value2 { return findKth(nums1, i + k / 2, nums2, j, k - k / 2) } else { return findKth(nums1, i, nums2, j + k / 2, k - k / 2) } } }