这道题本质还是利用二分法查找。例如在第一个数组假设index1为中位数,那么在第二个数组中需要有(length1+length2)/2-index1个数比这个假设数要小。一次来判断这个数是大还是小
另外注意一点是当总长度为偶数状态下需要取两个整数的平均数,在这里需要强制转换为double才能正确的返回double值
public class Solution {
public double findMedianSortedArrays(int[] nums1, int[] nums2) {
int length1 = nums1.length;
int length2 = nums2.length;
if (length1 == 0) {
if (length2 % 2 == 1) {
return nums2[length2 / 2];
} else {
return (double)(nums2[length2 / 2] + nums2[length2 / 2 - 1]) / 2;
}
}
if (length2 == 0) {
if (length1 % 2 == 1) {
return nums1[length1 / 2];
} else {
return (double)(nums1[length1 / 2] + nums1[length1 / 2 - 1]) / 2;
}
}
return partition(nums1, nums2, 0, length1-1, 0, length2-1);
}
public double partition(int[] nums1, int[] nums2, int start1, int end1, int start2, int end2) {
int length1 = nums1.length;
int length2 = nums2.length;
int index1 = (start1 + end1) / 2;
int index2 = (start2 + end2) / 2;
int pivot1 = nums1[index1];
int pivot2 = nums2[index2];
boolean isOdd = true;
if ((length1 + length2) %2 == 1) {
isOdd = true;
} else {
isOdd= false;
}
if (((length1+length2)/2 - index1 -1) <= - 2) {
// pivot1 is too large;
if (start1 != end1) {
end1 = index1 - 1;
}
} else if (((length1+length2)/2 - index1 -1) == -1) {
if (pivot1 > nums2[0]) {
// pivot1 is large
if (start1 != end1)
end1 = index1 - 1;
} else {
// pivot1 is the target
if (isOdd) {
return pivot1;
} else {
return (double)(pivot1 + nums1[index1-1]) / 2;
}
}
} else {
if ((length1+length2)/2 - index1 > length2) {
// pivot1 is too small
if (start1 != end1)
start1 = index1 + 1;
} else if ((length1+length2)/2 - index1 == length2) {
if (nums2[length2 - 1] <= pivot1) {
if (isOdd) {
return pivot1;
} else {
if (index1-1<0) {
return (double)(pivot1 + nums2[(length1+length2)/2 - index1 -1]) / 2;
}
if ((length1+length2)/2 - index1 -1 < 0) {
return (double)(pivot1 + nums1[index1-1])/2;
}
if (nums1[index1-1] < nums2[(length1+length2)/2 - index1 -1]) {
return (double)(pivot1 + nums2[(length1+length2)/2 - index1 -1]) / 2;
} else {
return (double)(pivot1 + nums1[index1-1])/2;
}
}
} else {
// pivot1 is small
if (start1 != end1)
start1 = index1 + 1;
}
} else {
if (nums2[(length1+length2)/2 - index1 -1] <= pivot1 && nums2[(length1+length2)/2 - index1] >= pivot1) {
if (isOdd) {
return pivot1;
} else {
if (index1-1<0) {
return (double)(pivot1 + nums2[(length1+length2)/2 - index1 -1]) / 2;
}
if ((length1+length2)/2 - index1 -1 < 0) {
return (double)(pivot1 + nums1[index1-1])/2;
}
if (nums1[index1-1] < nums2[(length1+length2)/2 - index1 -1]) {
return (double)(pivot1 + nums2[(length1+length2)/2 - index1 -1]) / 2;
} else {
return (double)(pivot1 + nums1[index1-1])/2;
}
}
} else {
if (nums2[(length1+length2)/2 - index1 -1] > pivot1) {
// pivot1 is small
if (start1 != end1)
start1 = index1 + 1;
} else {
// pivot1 is large
if (start1 != end1)
end1 = index1 - 1;
}
}
}
}
if (((length1+length2)/2 - index2 -1) <= - 2) {
// pivot2 is too large
if (start2 != end2)
end2 = index2 - 1;
} else if (((length1+length2)/2 - index2 -1) == -1) {
if (pivot2 > nums1[0]) {
// pivot2 is large
if (start2 != end2)
end2 = index2 - 1;
} else {
// pivot2 is the target
if (isOdd) {
return pivot2;
} else {
return (double)(pivot2 + nums2[index2-1]) / 2;
}
}
} else {
if ((length1+length2)/2 - index2 > length1) {
// pivot2 is too small
if (start2 != end2)
start2 = index2 + 1;
} else if ((length1+length2)/2 - index2 == length1) {
if (nums1[length1 - 1] <= pivot2) {
if (isOdd) {
return pivot2;
} else {
if (index2-1<0) {
return (double)(pivot2 + nums1[(length1+length2)/2 - index2 -1]) / 2;
}
if ((length1+length2)/2 - index2 -1 < 0) {
return (double)(pivot2 + nums2[index2-1])/2;
}
if (nums2[index2-1] < nums1[(length1+length2)/2 - index2 -1]) {
return (double)(pivot2 + nums1[(length1+length2)/2 - index2 -1]) / 2;
} else {
return (double)(pivot2 + nums2[index2-1])/2;
}
}
} else {
// pivot2 is small
if (start2 != end2)
start2 = index2 + 1;
}
} else {
if (nums1[(length1+length2)/2 - index2 -1] <= pivot2 && nums1[(length1+length2)/2 - index2] >= pivot2) {
if (isOdd) {
return pivot2;
} else {
if (index2-1<0) {
return (double)(pivot2 + nums1[(length1+length2)/2 - index2 -1]) / 2;
}
if ((length1+length2)/2 - index2 -1 < 0) {
return (double)(pivot2 + nums2[index2-1])/2;
}
if (nums2[index2-1] < nums1[(length1+length2)/2 - index2 -1]) {
return (double)(pivot2 + nums1[(length1+length2)/2 - index2 -1]) / 2;
} else {
return (double)(pivot2 + nums2[index2-1])/2;
}
}
} else {
if (nums1[(length1+length2)/2 - index2 -1] > pivot2) {
// pivot2 is small
if (start2 != end2)
start2 = index2 + 1;
} else {
// pivot2 is large
if (start2 != end2)
end2 = index2 - 1;
}
}
}
}
return partition(nums1, nums2, start1, end1, start2, end2);
}
}
另外一种方法 参考文章leetcode之 median of two sorted arrays
最后从medianof two sorted arrays中看到了一种非常好的方法。原文用英文进行解释,在此我们将其翻译成汉语。该方法的核心是将原问题转变成一个寻找第k小数的问题(假设两个原序列升序排列),这样中位数实际上是第(m+n)/2小的数。所以只要解决了第k小数的问题,原问题也得以解决。
首先假设数组A和B的元素个数都大于k/2,我们比较A[k/2-1]和B[k/2-1]两个元素,这两个元素分别表示A的第k/2小的元素和B的第k/2小的元素。这两个元素比较共有三种情况:>、<和=。如果A[k/2-1]<B[k/2-1],这表示A[0]到A[k/2-1]的元素都在A和B合并之后的前k小的元素中。换句话说,A[k/2-1]不可能大于两数组合并之后的第k小值,所以我们可以将其抛弃。
证明也很简单,可以采用反证法。假设A[k/2-1]大于合并之后的第k小值,我们不妨假定其为第(k+1)小值。由于A[k/2-1]小于B[k/2-1],所以B[k/2-1]至少是第(k+2)小值。但实际上,在A中至多存在k/2-1个元素小于A[k/2-1],B中也至多存在k/2-1个元素小于A[k/2-1],所以小于A[k/2-1]的元素个数至多有k/2+ k/2-2,小于k,这与A[k/2-1]是第(k+1)的数矛盾。
当A[k/2-1]>B[k/2-1]时存在类似的结论。
当A[k/2-1]=B[k/2-1]时,我们已经找到了第k小的数,也即这个相等的元素,我们将其记为m。由于在A和B中分别有k/2-1个元素小于m,所以m即是第k小的数。(这里可能有人会有疑问,如果k为奇数,则m不是中位数。这里是进行了理想化考虑,在实际代码中略有不同,是先求k/2,然后利用k-k/2获得另一个数。)
通过上面的分析,我们即可以采用递归的方式实现寻找第k小的数。此外我们还需要考虑几个边界条件:
如果A或者B为空,则直接返回B[k-1]或者A[k-1];
如果k为1,我们只需要返回A[0]和B[0]中的较小值;
如果A[k/2-1]=B[k/2-1],返回其中一个;
这个方法真的很好!
double findKth(int a[], int m, int b[], int n, int k)
{
//always assume that m is equal or smaller than n
if (m > n)
return findKth(b, n, a, m, k);
if (m == 0)
return b[k - 1];
if (k == 1)
return min(a[0], b[0]);
//divide k into two parts
int pa = min(k / 2, m), pb = k - pa;
if (a[pa - 1] < b[pb - 1])
return findKth(a + pa, m - pa, b, n, k - pa);
else if (a[pa - 1] > b[pb - 1])
return findKth(a, m, b + pb, n - pb, k - pb);
else
return a[pa - 1];
}
class Solution
{
public:
double findMedianSortedArrays(int A[], int m, int B[], int n)
{
int total = m + n;
if (total & 0x1)
return findKth(A, m, B, n, total / 2 + 1);
else
return (findKth(A, m, B, n, total / 2)
+ findKth(A, m, B, n, total / 2 + 1)) / 2;
}
};
**粗体** _斜体_ [链接](http://example.com) `代码` - 列表 > 引用
。你还可以使用@
来通知其他用户。