寻找两个正序数组的中位数[困难]

优质博文IT-BLOG-CN

一、题目

给定两个大小分别为mn的正序(从小到大)数组nums1nums2。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))

示例 1:
输入:nums1 = [1,3], nums2 = [2]
输出:2.00000
解释:合并数组= [1,2,3],中位数2

示例 2:
输入:nums1 = [1,2], nums2 = [3,4]
输出:2.50000
解释:合并数组= [1,2,3,4],中位数(2 + 3) / 2 = 2.5

nums1.length == m
nums2.length == n
0 <= m <= 1000
0 <= n <= 1000
1 <= m + n <= 2000
-106 <= nums1[i], nums2[i] <= 106

二、代码

二分查找

给定两个有序数组,要求找到两个有序数组的中位数,最直观的思路有以下两种:
【1】使用归并的方式,合并两个有序数组,得到一个大的有序数组。大的有序数组的中间位置的元素,即为中位数。
【2】不需要合并两个有序数组,只要找到中位数的位置即可。由于两个数组的长度已知,因此中位数对应的两个数组的下标之和也是已知的。维护两个指针,初始时分别指向两个数组的下标0的位置,每次将指向较小值的指针后移一位(如果一个指针已经到达数组末尾,则只需要移动另一个数组的指针),直到到达中位数的位置。

假设两个有序数组的长度分别为mn,上述两种思路的复杂度如何?

第一种思路的时间复杂度是O(m+n),空间复杂度是O(m+n)。第二种思路虽然可以将空间复杂度降到O(1),但是时间复杂度仍是 O(m+n)

如何把时间复杂度降低到O(log⁡(m+n))呢?如果对时间复杂度的要求有log,通常都需要用到二分查找,这道题也可以通过二分查找实现。

根据中位数的定义,当m+n是奇数时,中位数是两个有序数组中的第 (m+n)/2个元素,当m+n是偶数时,中位数是两个有序数组中的第(m+n)/2个元素和第(m+n)/2+1个元素的平均值。因此,这道题可以转化成寻找两个有序数组中的第k小的数,其中k(m+n)/2(m+n)/2+1

假设两个有序数组分别是AB。要找到第k个元素,我们可以比较A[k/2−1]B[k/2−1],其中/表示整数除法。由于A[k/2−1]B[k/2−1]的前面分别有A[0 .. k/2−2]B[0 .. k/2−2],即k/2−1个元素,对于A[k/2−1]B[k/2−1]中的较小值,最多只会有 (k/2−1)+(k/2−1)≤k−2(k/2-1)+(k/2-1)个元素比它小,那么它就不能是第k小的数了。

因此我们可以归纳出三种情况:
【1】如果A[k/2−1]<B[k/2−1],则比A[k/2−1]小的数最多只有A的前k/2−1个数和B的前k/2−1个数,即比A[k/2−1]小的数最多只有k−2个,因此A[k/2−1]不可能是第k个数,A[0]A[k/2−1]也都不可能是第k个数,可以全部排除。
【2】如果A[k/2−1]>B[k/2−1],则可以排除B[0]B[k/2−1]
【3】如果A[k/2−1]=B[k/2−1],则可以归入第一种情况处理。
在这里插入图片描述

比较A[k/2−1]B[k/2−1]之后,可以排除k/2个不可能是第k小的数,查找范围缩小了一半。同时,我们将在排除后的新数组上继续进行二分查找,并且根据我们排除数的个数,减少k的值,这是因为我们排除的数都不大于第k小的数。

有以下三种情况需要特殊处理:
【1】如果A[k/2−1]或者B[k/2−1]越界,那么我们可以选取对应数组中的最后一个元素。在这种情况下,我们必须根据排除数的个数减少k的值,而不能直接将k减去k/2
【2】如果一个数组为空,说明该数组中的所有元素都被排除,我们可以直接返回另一个数组中第k小的元素。
【3】如果k=1,我们只要返回两个数组首元素的最小值即可。

用一个例子说明上述算法。假设两个有序数组如下:

A: 1 3 4 9
B: 1 2 3 4 5 6 7 8 9

两个有序数组的长度分别是49,长度之和是13,中位数是两个有序数组中的第7个元素,因此需要找到第k=7个元素。

比较两个有序数组中下标为k/2−1=2的数,即A[2]B[2],如下面所示:

A: 1 3 4 9B: 1 2 3 4 5 6 7 8 9

由于A[2]>B[2],因此排除B[0]B[2],即数组B的下标偏移offset变为3,同时更新 k的值:k=k−k/2=4

下一步寻找,比较两个有序数组中下标为k/2−1=1的数,即A[1]B[4],如下面所示,其中方括号部分表示已经被排除的数。

A: 1 3 4 9B: [1 2 3] 4 5 6 7 8 9

由于A[1]<B[4],因此排除A[0]A[1],即数组A的下标偏移变为2,同时更新k的值:k=k−k/2=2

下一步寻找,比较两个有序数组中下标为k/2−1=0的数,即比较A[2]B[3],如下面所示,其中方括号部分表示已经被排除的数。

A: [1 3] 4 9B: [1 2 3] 4 5 6 7 8 9

由于A[2]=B[3],根据之前的规则,排除A中的元素,因此排除A[2],即数组A的下标偏移变为 3,同时更新k的值: k=k−k/2=1

由于k的值变成1,因此比较两个有序数组中的未排除下标范围内的第一个数,其中较小的数即为第k个数,由于 A[3]>B[3],因此第k个数是B[3]=4

A: [1 3 4] 9B: [1 2 3] 4 5 6 7 8 9
class Solution {public double findMedianSortedArrays(int[] nums1, int[] nums2) {int length1 = nums1.length, length2 = nums2.length;int totalLength = length1 + length2;if (totalLength % 2 == 1) {int midIndex = totalLength / 2;double median = getKthElement(nums1, nums2, midIndex + 1);return median;} else {int midIndex1 = totalLength / 2 - 1, midIndex2 = totalLength / 2;double median = (getKthElement(nums1, nums2, midIndex1 + 1) + getKthElement(nums1, nums2, midIndex2 + 1)) / 2.0;return median;}}public int getKthElement(int[] nums1, int[] nums2, int k) {/* 主要思路:要找到第 k (k>1) 小的元素,那么就取 pivot1 = nums1[k/2-1] 和 pivot2 = nums2[k/2-1] 进行比较* 这里的 "/" 表示整除* nums1 中小于等于 pivot1 的元素有 nums1[0 .. k/2-2] 共计 k/2-1 个* nums2 中小于等于 pivot2 的元素有 nums2[0 .. k/2-2] 共计 k/2-1 个* 取 pivot = min(pivot1, pivot2),两个数组中小于等于 pivot 的元素共计不会超过 (k/2-1) + (k/2-1) <= k-2 个* 这样 pivot 本身最大也只能是第 k-1 小的元素* 如果 pivot = pivot1,那么 nums1[0 .. k/2-1] 都不可能是第 k 小的元素。把这些元素全部 "删除",剩下的作为新的 nums1 数组* 如果 pivot = pivot2,那么 nums2[0 .. k/2-1] 都不可能是第 k 小的元素。把这些元素全部 "删除",剩下的作为新的 nums2 数组* 由于我们 "删除" 了一些元素(这些元素都比第 k 小的元素要小),因此需要修改 k 的值,减去删除的数的个数*/int length1 = nums1.length, length2 = nums2.length;int index1 = 0, index2 = 0;int kthElement = 0;while (true) {// 边界情况if (index1 == length1) {return nums2[index2 + k - 1];}if (index2 == length2) {return nums1[index1 + k - 1];}if (k == 1) {return Math.min(nums1[index1], nums2[index2]);}// 正常情况int half = k / 2;int newIndex1 = Math.min(index1 + half, length1) - 1;int newIndex2 = Math.min(index2 + half, length2) - 1;int pivot1 = nums1[newIndex1], pivot2 = nums2[newIndex2];if (pivot1 <= pivot2) {k -= (newIndex1 - index1 + 1);index1 = newIndex1 + 1;} else {k -= (newIndex2 - index2 + 1);index2 = newIndex2 + 1;}}}
}

时间复杂度: O(log⁡(m+n)),其中mn分别是数组nums1nums2的长度。初始时有k=(m+n)/2k=(m+n)/2+1,每一轮循环可以将查找范围减少一半,因此时间复杂度是O(log⁡(m+n))
空间复杂度: O(1)

划分数组

方法一的时间复杂度已经很优秀了,但本题存在时间复杂度更低的一种方法。这里给出推导过程,勇于挑战自己的读者可以进行尝试。

为了使用划分的方法解决这个问题,需要理解「中位数的作用是什么」。在统计中,中位数被用来: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。

如果理解了中位数的划分作用,就很接近答案了。

首先,在任意位置iA划分成两个部分:

           left_A            |          right_AA[0], A[1], ..., A[i-1]  |  A[i], A[i+1], ..., A[m-1]

由于A中有m个元素, 所以有m+1种划分的方法(i∈[0,m]i \in [0, m]i∈[0,m])

    len(left_A)=i,len(right_A)=m−i

注意:i=0时,left_A为空集, 而当i=m时, right_A为空集。

采用同样的方式,在任意位置jB划分成两个部分:

           left_B            |          right_BB[0], B[1], ..., B[j-1]  |  B[j], B[j+1], ..., B[n-1]

left_Aleft_B放入一个集合,并将right_Aright_B放入另一个集合。 再把这两个新的集合分别命名为left_partright_part

          left_part          |         right_partA[0], A[1], ..., A[i-1]  |  A[i], A[i+1], ..., A[m-1]B[0], B[1], ..., B[j-1]  |  B[j], B[j+1], ..., B[n-1]

AB的总长度是偶数时,如果可以确认:

len(left_part)=len(right_part)
max⁡(left_part)≤min⁡(right_part)

那么,{A,B}中的所有元素已经被划分为相同长度的两个部分,且前一部分中的元素总是小于或等于后一部分中的元素。中位数就是前一部分的最大值和后一部分的最小值的平均值:median=max(left_part)+min(right_part)2

AB的总长度是奇数时,如果可以确认:

len(left_part)=len(right_part)+1
max⁡(left_part)≤min⁡(right_part)

那么,{A,B}中的所有元素已经被划分为两个部分,前一部分比后一部分多一个元素,且前一部分中的元素总是小于或等于后一部分中的元素。中位数就是前一部分的最大值:median=max(left_part)

第一个条件对于总长度是偶数和奇数的情况有所不同,但是可以将两种情况合并。第二个条件对于总长度是偶数和奇数的情况是一样的。

要确保这两个条件,只需要保证:i+j=m−i+n−j(当m+n为偶数)或i+j=m−i+n−j+1(当m+n为奇数)。等号左侧为前一部分的元素个数,等号右侧为后一部分的元素个数。将ij全部移到等号左侧,我们就可以得到i+j=(m+n+1)/2。这里的分数结果只保留整数部分。

0≤i≤m0≤j≤n。如果我们规定A的长度小于等于B的长度,即m≤。这样对于任意的i∈[0,m],都有j=m+n+12−i∈[0,n],那么我们在[0,m]的范围内枚举i并得到j,就不需要额外的性质了。
【1】如果A的长度较大,那么我们只要交换AB即可。
【2】如果m>n,那么得出的j有可能是负数。

B[j−1]≤A[i]以及A[i−1]≤B[j],即前一部分的最大值小于等于后一部分的最小值。

为了简化分析,假设A[i−1],B[j−1],A[i],B[j]总是存在。对于i=0i=mj=0j=n这样的临界条件,我们只需要规定A[−1]=B[−1]=−∞A[m]=B[n]=∞即可。这也是比较直观的:当一个数组不出现在前一部分时,对应的值为负无穷,就不会对前一部分的最大值产生影响;当一个数组不出现在后一部分时,对应的值为正无穷,就不会对后一部分的最小值产生影响。

所以我们需要做的是:[0,m]中找到i,使得:B[j−1]≤A[i]A[i−1]≤B[j],其中j=m+n+12−i

我们证明它等价于:[0,m]中找到最大的i,使得:A[i−1]≤B[j],其中j=m+n+12−i

这是因为:
【1】当i0∼m递增时,A[i−1]递增,B[j]递减,所以一定存在一个最大的i满足A[i−1]≤B[j]
【2】如果i是最大的,那么说明i+1不满足。将i+1带入可以得到A[i]>B[j−1],也就是B[j−1]<A[i],就和我们进行等价变换前i的性质一致了(甚至还要更强)。

因此我们可以对i[0,m]的区间上进行二分搜索,找到最大的满足A[i−1]≤B[j]i值,就得到了划分的方法。此时,划分前一部分元素中的最大值,以及划分后一部分元素中的最小值,才可能作为就是这两个数组的中位数。

class Solution {public double findMedianSortedArrays(int[] nums1, int[] nums2) {if (nums1.length > nums2.length) {return findMedianSortedArrays(nums2, nums1);}int m = nums1.length;int n = nums2.length;int left = 0, right = m;// median1:前一部分的最大值// median2:后一部分的最小值int median1 = 0, median2 = 0;while (left <= right) {// 前一部分包含 nums1[0 .. i-1] 和 nums2[0 .. j-1]// 后一部分包含 nums1[i .. m-1] 和 nums2[j .. n-1]int i = (left + right) / 2;int j = (m + n + 1) / 2 - i;// nums_im1, nums_i, nums_jm1, nums_j 分别表示 nums1[i-1], nums1[i], nums2[j-1], nums2[j]int nums_im1 = (i == 0 ? Integer.MIN_VALUE : nums1[i - 1]);int nums_i = (i == m ? Integer.MAX_VALUE : nums1[i]);int nums_jm1 = (j == 0 ? Integer.MIN_VALUE : nums2[j - 1]);int nums_j = (j == n ? Integer.MAX_VALUE : nums2[j]);if (nums_im1 <= nums_j) {median1 = Math.max(nums_im1, nums_jm1);median2 = Math.min(nums_i, nums_j);left = i + 1;} else {right = i - 1;}}return (m + n) % 2 == 0 ? (median1 + median2) / 2.0 : median1;}
}

时间复杂度: O(log⁡min⁡(m,n))),其中mn分别是数组nums1nums2的长度。查找的区间是[0,m],而该区间的长度在每次循环之后都会减少为原来的一半。所以,只需要执行log⁡m次循环。由于每次循环中的操作次数是常数,所以时间复杂度为O(log⁡m)。由于我们可能需要交换nums1nums2使得m≤n,因此时间复杂度是O(log⁡min⁡(m,n)))

空间复杂度: O(1)

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.mzph.cn/news/731012.shtml

如若内容造成侵权/违法违规/事实不符,请联系多彩编程网进行投诉反馈email:809451989@qq.com,一经查实,立即删除!

相关文章

利用 cloudflare 实现域名HTTP转变成 HTTPS

https://dash.cloudflare.com/ 域名解析需要 在cloudflare 做SSL/TLS 加密链接设置 灵活 加密浏览器与 Cloudflare 之间的流量 后台设置的链接不用改变&#xff0c;使用真实的HTTP链接。 在wordpress functions 上做域名替换。 function replacehttp($content){$content …

基于vue的联通积分商城数据可视化APP设计与实现

目 录 摘 要 I Abstract II 引 言 1 1 前端技术介绍 3 1.1 前端开发语言 3 1.1.1 HTML5 3 1.1.2 CSS3 3 1.1.3 JavaScript 3 1.2 MVVM开发模式 4 1.3 Vue框架 4 1.4 Axios技术 5 1.5 ECharts 5 1.6 数据库技术 5 1.7 本章小结 6 2 前端开发的分析 7 2.1 功能性需求分析 7 2.2 …

【项目】仿muduo库One Thread One Loop式主从Reactor模型实现高并发服务器

本篇博客记录从0到1实现一个仿mudo库的One Thread One Loop式主从Reactor模型的高并发服务器组件。 在此之前我们要明确的是&#xff0c;该项目仅作为一个高并发服务器组件&#xff0c;因此该项目并不包含实际的业务需求处理内容。 前置知识背景 一、HTTP服务器 概念&#xf…

【编程实践】matlab中的转义字符

简记 这个报错是因为在sprintf函数中使用了无效的转义字符\U。在MATLAB中&#xff0c;转义字符\U是无效的&#xff0c;因此会导致警告。 检查sprintf函数中的格式化字符串是否包含了无效的转义字符。确保只使用MATLAB支持的转义字符。 如果想要输出一个反斜杠字符\&#xff0c…

【常见集合】Java 常见集合重点解析

Java 常见集合重点解析 1. 什么是算法时间复杂度&#xff1f; 时间复杂度表示了算法的 执行时间 和 数据规模 之间的增长关系&#xff1b; 什么是算法的空间复杂度&#xff1f; 表示了算法占用的额外 存储空间 与 数据规模 之间的增长关系&#xff1b; 常见的复杂度&#x…

gradle使用国内可用镜像快速下载

使用官网下载非常的慢&#xff0c;建议使用镜像站&#xff1a; &#xff08;1&#xff09;官网地址&#xff1a;https://services.gradle.org/distributions/ &#xff08;2&#xff09;腾讯镜像 Gradle下载地址&#xff1a;https://mirrors.cloud.tencent.com/gradle/ &#…

网络协议学习DAY2--TCP通信

TCP发端&#xff1a; socket connect send recv close TCP收端&#xff1a; socket bind listen accept send recv 各函数资料&#xff1a; 1.connect int connect(int sockfd, const struct sockaddr *addr, socklen_t addrlen); 功能:…

git - 笔记

为什么要学习Git 为什么要学习Git软件 为什么学习 因为在主流开发中&#xff0c;基于互联网软件开发的项目都会使用Git软件来进行项目开发过程中的资源管理 比如人力资源 代码资源 比如前端资源 .html .java等代码资源 文档资源 像项目开发中涉及到的需求文档等 这种项目中管理…

Langchain-Chatchat本地搭建ChatGLM3模型和提取PDF内容

文章目录 1、软件要求2、安装CUDA2.1、安装gcc2.2、安装CUDA 3、安装Anaconda33.1、下载Anaconda33.2、创建python虚拟环境 4、部署系统4.1、下载源码4.2、安装依赖4.3、下载模型4.4、初始化配置和知识库4.4.1、初始化配置4.4.2、初始化知识库 4.5、运行4.6、运行4.6.1、启动4.…

hive,hbase集群拷贝注意事项

注意事项&#xff1a; 1.有足够的带宽&#xff0c;最好能300M/S 磁盘写入速度 2.两个集群的在一个网络&#xff0c;且新集群的主机名可以访问的域名。 CDH的主机名不能轻易更改&#xff0c;若只能换主机名建议重新部署CDH集群。 3.数据拷贝跑后台进程 hive表跨集群备份 注…

Qt初识 - 编辑框 | 按钮 | 命名规范

目录 一、编辑框 (一) Designer中的编辑框 (二) Code中的编辑框 二、按钮 (一) Designer中的按钮 (二) Code中的按钮 三、Qt中的命名规范 一、编辑框 (一) Designer中的编辑框 进入到Designer界面中 找到Input Widgets目录 找到该目录下的 将这个控件拉出去 双击就可…

神经网络softmax算法与卷积层

多类分类&#xff1a; 多类是分类算法中的一种&#xff0c;它区别于我们的0&#xff0c;1这样子的二进制分类&#xff0c;它会有多个分类的标签&#xff0c;让我们去取其中的一个。 softmax函数&#xff1a; softmax回归算法是我们的sigmoid回归的推广。 上图就是softmax运…

Koa: 打造高效、灵活的Node.js后端 (介绍与环境部署)

在上一篇文章中&#xff0c;我们了解了Node.js的基础知识&#xff0c;今天我们将进一步学习Node.js 较新的一个轻量级Web框架Koa&#xff0c;一起创建NodeJS后端服务器吧&#xff01; 一、介绍 Koa是一个新生代Node.js Web框架&#xff0c;由Express原团队成员开发&#xff0c…

657.机器人能否返回原点

刷算法题&#xff1a; 第一遍&#xff1a;1.看5分钟&#xff0c;没思路看题解 2.通过题解改进自己的解法&#xff0c;并且要写每行的注释以及自己的思路。 3.思考自己做到了题解的哪一步&#xff0c;下次怎么才能做对(总结方法) 4.整理到自己的自媒体平台。 5.再刷重复的类…

SpringBootWeb(接收请求数据,返回响应结果,分层解耦,Spring的IOCDI)【详解】

目录 一、接收请求数据 1. 接收表单参数 1.原始方式【了解】 2.SpringBoot方式 3.参数名不一致RequestParam 2.实体参数 1.简单实体对象 2.复杂实体对象 3.数组集合参数 4.日期参数 3. JSON参数 1.Postman发送JSON数据 2.服务端接收JSON数据 4. 路径参数(rest风格…

SpringCloud GateWay 自定义AbstractRoutePredicateFactory

SpringCloud GateWay 自定义AbstractRoutePredicateFactory 主要为了解决原有的断言配置不满足业务 自定义模板套路 开头任意取名&#xff0c;但是必须以RoutePredicateFactory后缀结尾继承AbstractRoutePredicateFactory抽象类 自定义路由断言规则步骤套路 需要重写的源码…

[BUG]Windows安装WSL报错

Windows安装WSL报错 报错内容如下&#xff1a; Installing, this may take a few minutes... WslRegisterDistribution failed with error: 0x800701bc Error: 0x800701bc WSL 2 ????????????? https://aka.ms/wsl2kernel Press any key to continue...产生原因 在…

Android中向Fragment传递数据

为什么不推荐用构造函数传递参数 有人说向Fragment传递数据可以通过构造函数或者public方法&#xff0c;这确实是可以传递成功的&#xff0c;但是安卓官方并不推荐这两种方法&#xff0c;而是推荐用setArguments()方法来向Fragmen传递数据&#xff0c;这是为什么呢&#xff1f…

ChatGPT Plus 自动扣费失败,如何续订

ChatGPT Plus 自动扣费失败&#xff0c;如何续订 如果您的 ChatGPT Plus 订阅过期或扣费失败&#xff0c;本教程将指导您如何重新订阅。 本周更新 ChatGPT Plus 是一种每月20美元的订阅服务。扣费会自动进行&#xff0c;如果您的账户余额不足&#xff0c;OpenAI 将在一次扣费…

[Leetcode] 904. 水果成篮 —— 滑动窗口

Problem: 904. 水果成篮 文章目录 思路解题方法复杂度Code 思路 需要找到连续的最多两种类型的最长序列 通过例子讲解思路&#xff1a;34335&#xff0c;left0&#xff0c;mid1&#xff0c;new_mid2 定义&#xff1a;现有三个下标left,mid,new_mid&#xff1b;其中left和mid分别…