leetcode 4 : Median of Two Sorted Arrays 找出两个数组的中位数

题目：

There are two sorted arrays nums1 and nums2 of size m and n respectively. Find the median of the two sorted arrays. The overall run time complexity should be O(log (m+n)).

题意：

两个排序后的数组nums1 和nums2，长度分别是m，n，找出其中位数，并且时间复杂度：O(log(m+n))

最愚蠢的方法：

两个数组合并成一个，排序，取出中位数

Java程序：

public class Solution {
    public double findMedianSortedArrays(int[] nums1, int[] nums2) {
        int m = nums1.length;
        int n = nums2.length;
        int median_index = (m+n)/2;
        int nums[] = new int[m+n];
        if(m!=0)
            for(int k=0;k<m;k++)
                nums[k] = nums1[k];
        if(n!=0)
            for(int k=0;k<n;k++)
                nums[m+k] = nums2[k];
        Arrays.sort(nums);
        if((m+n)%2==1)
            return nums[median_index];
        else
            return (nums[median_index]+nums[median_index-1])/2.0;
    }
}

无耻的又用Python实现了一遍

class Solution(object):
    def findMedianSortedArrays(self, nums1, nums2):
        """
        :type nums1: List[int]
        :type nums2: List[int]
        :rtype: float
        """
        m = len(nums1)
        n = len(nums2)
        median_index = (m+n)/2
        nums=[num for num in nums1]
        for num in nums2:
            nums.append(num)
        nums.sort()
        if((m+n)%2==1):
            return nums[median_index]
        else:
            return (nums[median_index]+nums[median_index-1])/2.0

说明一下：

Python中 sorted(list)排序是直接返回排序后的结果，原list没有改变，而list.sort() 不返回排序后的结果，结果更新list

正确方法：

问题转化为：nums1和nums2合并排序后的第k个元素

主要思想是：每次剔除部分对求第k个元素没有用的数据

假设nums1和nums2原始序列是升序的，则是求合并后升序的第k个元素，或者第k大元素

假设nums1和nums2原始序列是降序的，则是求合并后降序的第k个元素，或者第k小元素

下面假设是升序

m = nums1.length

n = nums2.length

若 nums1是空的，结果就是 nums2[k]

若 nums2是空的，结果就是 nums1[k]

若 k==0，返回nums1[0] 、nums2[0]中的较小者

对于其他情况：

为了好说明，定义变量：nums1Start，nums1End，nums2Start，nums2End

我们要求的是合并后的第k大的数

小于第k大的数是没有用的

对于合并排序后的前k个数，理想情况下，是均匀的分布在nums1 和nums2中

k个数中nums1中占：nums1Mid = nums1Len*k/(nums1Len+nums2Len)个  这里除法取的是下界

k个数中nums2中占：nums2Mid = k – nums1Mid – 1 个 这里是因为下标是从0开始

由于我们定义了开始位置，则：

nums1Mid = nums1Mid + nums1Start

nums2Mid = nums2Mid + nums2Start

下面比较这两个位置对应元素的大小：nums1[nums1Mid ]   nums2[nums2Mid]

若：nums1[nums1Mid ]  > nums2[nums2Mid]  说明：第k大的数在nums1中的nums1Start 到nums1Mid 之间  和 nums2 中nums2Mid 到nums2End之间

可以发现我们去除的有效部分只是nums2中的nums2Start 到 nums2Mid之间的元素，而nums1中 nums1Mid到nums1End之间的原始已经是大于 第k个元素了。

所以更新k，k = k - （nums2Mid – nums2Start + 1）

同时更新：nums1End = nums1Mid  ，nums2Start = nums2Mid + 1，其他不变

若：nums1[nums1Mid ]  < nums2[nums2Mid]  说明：第k大的数在num1中的num1Mid到nums1End之间 和 nums2中的nums2Start到nums2Mid之间

更新k，k = k - （nums1Mid – nums1Start + 1）

同时更新： nums1Start = nums1Mid + 1，nums2End = nums2Mid ，其他不变

若：nums1[nums1Mid ]  = nums2[nums2Mid]

这里正好是第k个数，就是所求答案

对于上面两种情况，继续递归求解

关于时间复杂度：在最坏的情况下，每次都要去除k/2的元素，则log（k） = log（（m+n）/2） = log(m+n)

Java程序：

public class Solution {
    public double findMedianSortedArrays(int[] nums1, int[] nums2) {
        int m = nums1.length;
        int n = nums2.length;
        if((m+n)%2==1)//odd
            return (double)findKth(nums1,0,m-1,nums2,0,n-1,((m+n)/2));
        else
            return (findKth(nums1,0,m-1,nums2,0,n-1,(m+n)/2)+findKth(nums1,0,m-1,nums2,0,n-1,(m+n)/2-1))/2.0;
    }

    public int findKth(int[] nums1,int nums1Start,int nums1End,int[] nums2,int nums2Start,int nums2End,int k){
        int nums1Len = nums1End - nums1Start + 1;
        int nums2Len = nums2End - nums2Start + 1;
        if(nums1Len ==0)
            return nums2[nums2Start+k];
        if(nums2Len ==0)
            return nums1[nums1Start+k];
        if(k==0)
            return nums1[nums1Start]<nums2[nums2Start] ? nums1[nums1Start]:nums2[nums2Start];
        int nums1Mid = nums1Len*k/(nums1Len+nums2Len);
        int nums2Mid = k - nums1Mid - 1 ;
        nums1Mid = nums1Mid + nums1Start;
        nums2Mid = nums2Mid + nums2Start;
        if(nums1[nums1Mid] > nums2[nums2Mid]){
            k = k - (nums2Mid - nums2Start + 1);
            nums1End = nums1Mid;
            nums2Start = nums2Mid + 1;
        }else if(nums1[nums1Mid] < nums2[nums2Mid]){
            k = k - (nums1Mid - nums1Start + 1);
            nums2End = nums2Mid;
            nums1Start = nums1Mid + 1;
        }else
            return nums1[nums1Mid];
        return findKth(nums1,nums1Start,nums1End,nums2,nums2Start,nums2End,k);
    }

}

程序参考

对于降序的情况：

当是降序的时候，出来这个结果：

在网上找个C++程序，当是降序的时候，上面的输入也是2.0000，上面给的期望答案也是2.0000

然后我就试试这个输入

上面的C++程序和上面的Java程序都是输入6.0000

题目中没有说升序的啊，但是许多人都默认升序做了，降序输入结果就不对了。

上面的Java程序和上面C++程序原理是很类似的，但是只能对升序求解，降序数组下标需要修改，大于和小于 和上面的恰好相反

好吧，咱就当升序的数组处理。上面的都对。

既然是升序，尝试用两个变量指向两个数组的开始位置，比较大小，异步前进，发现，，，，，，，，，，，，，，，，坑太大，检测中间点的可能太多，，，，，或者定义许多boolean变量检测 ，，，，，，，，，，，不写了，，是写的不对。。。已乱。。。

又转换成Python代码：

class Solution(object):
    def findMedianSortedArrays(self, nums1, nums2):
        """
        :type nums1: List[int]
        :type nums2: List[int]
        :rtype: float
        """
        nums1Len = len(nums1)
        nums2Len = len(nums2)
        if (nums1Len + nums2Len)%2==1:
            return 1.0*self.findKth(nums1,0,nums1Len-1,nums2,0,nums2Len-1,(nums1Len + nums2Len)/2)
        return (self.findKth(nums1,0,nums1Len-1,nums2,0,nums2Len-1,(nums1Len + nums2Len)/2)+self.findKth(nums1,0,nums1Len-1,nums2,0,nums2Len-1,(nums1Len + nums2Len)/2-1))*0.5

    def findKth(self,nums1,nums1Start,nums1End ,nums2,nums2Start,nums2End,k):
        nums1Len = nums1End - nums1Start + 1
        nums2Len = nums2End - nums2Start + 1
        if nums1Len==0 : return nums2[nums2Start + k]
        if nums2Len==0 : return nums1[nums1Start + k]
        if k==0: return min(nums1[nums1Start],nums2[nums2Start])
        nums1Mid = nums1Len*k/(nums1Len + nums2Len)
        nums2Mid = k - nums1Mid - 1
        nums1Mid += nums1Start
        nums2Mid += nums2Start
        if nums1[nums1Mid]== nums2[nums2Mid]:
            return nums2[nums2Mid]
        if nums1[nums1Mid] > nums2[nums2Mid]:
            k = k - (nums2Mid - nums2Start + 1)
            nums1End = nums1Mid
            nums2Start = nums2Mid + 1
        if nums1[nums1Mid] < nums2[nums2Mid]:
            k = k - (nums1Mid - nums1Start + 1)
            nums2End = nums2Mid
            nums1Start = nums1Mid + 1
        return self.findKth(nums1,nums1Start,nums1End,nums2,nums2Start,nums2End,k)