0
点赞
收藏
分享

微信扫一扫

LeetCode 4. 寻找两个正序数组的中位数(多解法)



文章目录

  • ​​解法一:合并数组​​
  • ​​解法二:双指针​​
  • ​​解法三:二分​​
  • ​​解法三:进阶二分(划分数组)​​

解法一:合并数组

将两个数组合并后,直接根据下标找到中位数。时间复杂度,空间复杂度

class Solution {
public double findMedianSortedArrays(int[] nums1, int[] nums2) {
int n = nums1.length, m = nums2.length;
int[] mix = new int[n + m];
// 先执行数组合并
int i = 0, j = 0, k = 0;
while (i < n && j < m) {
if (nums1[i] <= nums2[j]) mix[k++] = nums1[i++];
else mix[k++] = nums2[j++];
}
while (i < n) mix[k++] = nums1[i++];
while (j < m) mix[k++] = nums2[j++];
// 合并完毕, 直接找到中位数的下标
if ((n + m) % 2 == 0) {
return (mix[(n + m) / 2 - 1] + mix[(n + m) / 2]) / 2.0;
} else {
return mix[(n + m) / 2];
}
}
}

解法二:双指针

无需合并两个数组,只需要用双指针进行比较并移动到对应位置即可。时间复杂度,空间复杂度

class Solution {
public double findMedianSortedArrays(int[] nums1, int[] nums2) {
int n = nums1.length, m = nums2.length;
// 当 n + m 是偶数时, left, right是中间两个位置
// 当 n + m 是奇数时, left, right是同一个位置
int left = (n + m + 1) / 2;
int right = (n + m + 2) / 2;
int cnt = 1; // 当前需要取第几个数
int median1 = 0, median2 = 0; // 第一个, 第二个位置的数
int i = 0, j = 0; // 双指针
while (cnt <= right) {
int min = 0; // 当前这一轮取到的较小的值
if (i < n && (j >= m || nums1[i] <= nums2[j])) min = nums1[i++];
else min = nums2[j++];
if (cnt == left) median1 = min;
if (cnt == right) median2 = min;
cnt++;
}
return (median1 + median2) / 2.0;
}
}

解法三:二分

求两个有序数组的中位数,可以变换为,求第k个数。由于两个数组有序,我们每次只要从两个数组中,分别从左取k/2个数,然后想象尝试将这2组k/2个数合并。若第1组的最后一个数,小于第2组的最后一个数,则第1组不可能作为第k个数,那么可以将第1组的k/2个数全部排除。时间复杂度 ,空间复杂度

class Solution {
public double findMedianSortedArrays(int[] nums1, int[] nums2) {
int n = nums1.length, m = nums2.length;
int left = (n + m + 1) / 2;
int right = (n + m + 2) / 2;
int median1 = getKth(nums1, 0, nums2, 0, left);
int median2 = getKth(nums1, 0, nums2, 0, right);
return (median1 + median2) / 2.0;
}

// 递归写法
// 从nums1的下标i开始, 从nums2的下标j开始, 找第k个数
private int getKth(int[] nums1, int i, int[] nums2, int j, int k) {
int n = nums1.length, m = nums2.length;
// 退出条件
if (i >= n) return nums2[j + k - 1];
if (j >= m) return nums1[i + k - 1];
if (k == 1) return Math.min(nums1[i], nums2[j]);
// 开始二分
// 从 nums1 中取 k / 2 个数, 并获得其最后一个点, 注意不能越界
int ie = Math.min(i + k / 2 - 1, n - 1);
// 从 nums2 中取 k / 2 个数, 并获得其最后一个点
int je = Math.min(j + k / 2 - 1, m - 1);

if (nums1[ie] <= nums2[je]) {
// 排除 nums1 的 k / 2个数
return getKth(nums1, ie + 1, nums2, j, k - (ie - i + 1));
} else {
return getKth(nums1, i, nums2, je + 1, k - (je - j + 1));
}
}
}

针对​​getKth​​方法,再提供一个非递归的写法

class Solution {
public double findMedianSortedArrays(int[] nums1, int[] nums2) {
int n = nums1.length, m = nums2.length;
int left = (n + m + 1) / 2;
int right = (n + m + 2) / 2;
int median1 = getKth(nums1, nums2, left);
int median2 = getKth(nums1, nums2, right);
return (median1 + median2) / 2.0;
}

private int getKth(int[] nums1, int[] nums2, int k) {
int n = nums1.length, m = nums2.length;
int i = 0, j = 0;
while (i < n && j < m && k > 1) {
int ie = Math.min(i + k / 2 - 1, n - 1);
int je = Math.min(j + k / 2 - 1, m - 1);
if (nums1[ie] <= nums2[je]) {
k -= (ie - i + 1); // 更新k
i = ie + 1; // 更新i, 注意不要先更新i, 再更新 k
} else {
k -= (je - j + 1);
j = je + 1;
}
}

if (i >= n) return nums2[j + k - 1];
if (j >= m) return nums1[i + k - 1];
return Math.min(nums1[i], nums2[j]);
}
}

解法三:进阶二分(划分数组)

对于数组​​nums1​​​,其长度为​​n​​​;数组​​nums2​​​,其长度为​​m​​。

对于​​nums1​​​,我们从中间切开,将其划分为左右两个数组;对于​​nums2​​同理。

将​​nums1​​​和​​nums2​​​的左半边数组,合并在一起,称为​​leftPart​​​;将它们的右半边数组,合并在一起,称为​​rightPart​​。

只需要保证:

  • ​len(leftPart) == len(rightPart)​​​(总长度为偶数时),​​len(leftPart) = len(rightPart) + 1​​ (总长度为奇数时)
  • ​max(leftPart) <= min(rightPart)​

只需要保证上面的两个条件,则中位数为 ​​(max(leftPart) + min(rightPart)) / 2​​​ (总长度为偶数),或​​max(leftPart)​​(总长度为奇数)

接下来我们来看,有多少种划分方式。对于数组​​nums1​​​,根据其左半边数组的大小,容易得知,共有​​n + 1​​​种划分方式(即,其左半边数组长度为0,1,2,…,n);对于​​nums2​​同理。

我们设​​i​​​表示某种划分方式下,​​nums1​​​的左半边数组的大小;设​​j​​​为某种划分方式下,​​nums2​​的左半边数组的大小。

则​​len(leftPart) = i + j​​​,​​len(rightPart) = n + m - (i + j)​

要保证上方的第一个条件。只需要保证 ​​i + j = n + m - (i + j)​​​,或 ​​i + j = n + m - (i + j) + 1​

变换一下,得 ​​i + j = (n + m + 1) / 2​​(除法采用向下取整,可兼容长度为偶数和奇数的情况)

由于 ​​max(leftPart) = max(nums1[i], nums2[j])​​​,而​​min(rightPart) = min(nums1[i + 1], nums2[j + 1])​

要保证 ​​max(leftPart) <= min(rightPart)​​​,只需要保证 ​​nums1[i] <= nums2[j + 1]​​​,并且 ​​nums2[j] <= nums1[i + 1]​

由于​​i​​​和​​j​​​需要满足 ​​i + j = (n + m + 1) / 2​​​,可知​​i​​​和​​j​​是呈负相关的。

那么只需要找到,使得 ​​nums1[i] <= nums2[j + 1]​​​成立的最大的​​i​​​,即可。因为只要​​i​​​多1,则​​j​​​必然少1。那么最大的​​i​​​,满足​​nums1[i] <= nums2[j + 1]​​​,也就蕴含了 ​​nums1[i + 1] >= nums2[j]​​。

所以我们只需要进行二分,找到满足​​nums1[i] <= nums2[j + 1]​​​的最大的​​i​​即可。

对于​​j​​​的计算,对上面的公式进行变换,得 ​​j = (n + m + 1) / 2 - i​​​,为了使得​​j​​​不取到负数,当​​i​​​取最大值​​n​​时,

​j = (m - n + 1) / 2​​​,我们规定​​m >= n​​​,即​​nums2​​​得长度大于等于​​nums1​​。

由于我们总是对较小的数组进行二分,所以时间复杂度是 ,空间复杂度为

class Solution {
public double findMedianSortedArrays(int[] nums1, int[] nums2) {
int n = nums1.length, m = nums2.length;
// i + j = (n - i) + (m - j) 总长度为偶数
// i + j = (n - i) + (m - j) + 1 奇数, 让左侧区间多出一个数
// i + j = (n + m + 1) / 2 i和j需要满足的关系
// i = (n + m + 1) / 2 - j // 需要保证 i >= 0 , 则 n >= m
if (n < m) return findMedianSortedArrays(nums2, nums1);

// 开始二分, 对 j 进行二分
int l = 0, r = m;
int median1 = 0, median2 = 0;
while (l <= r) { // 写成 = 确保能二分到最后
int j = l + r >> 1;
int i = (n + m + 1) / 2 - j;
// nums2 左半边的最后一个值 (注意对于j = 0 进行特殊处理)
int nums2_j = j == 0 ? Integer.MIN_VALUE : nums2[j - 1];
// nums2 右半边的第一个值 (注意对 j = m 进行特殊处理)
int nums2_j_1 = j == m ? Integer.MAX_VALUE : nums2[j];

int nums1_i = i == 0 ? Integer.MIN_VALUE : nums1[i - 1];
int nums1_i_1 = i == n ? Integer.MAX_VALUE : nums1[i];

if (nums2_j <= nums1_i_1) {
median1 = Math.max(nums2_j, nums1_i);
median2 = Math.min(nums2_j_1, nums1_i_1);
l = j + 1; // 往右侧找, 直接跳过当前位置, 确保二分的循环能退出去
} else {
r = j - 1; // 往左侧找
}
}
if ((n + m) % 2 == 0) return (median1 + median2) / 2.0;
else return median1;
}
}

二分的时候,条件我们写成 ​​l <= r​​​,确保能二分到最后的位置,更新边界时,我们每次都跳过当前位置,即不会更新为​​l = j​​​这样。确保二分的循环能退出,并且在每次满足条件时,都更新​​median1​​​和​​median2​​,记录答案。



举报

相关推荐

0 条评论