4. Median of Two Sorted Arrays
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)).
Example 1:
nums1 = [1, 3]
nums2 = [2]
The median is 2.0
Example 2:
nums1 = [1, 2]
nums2 = [3, 4]
The median is (2 + 3)/2 = 2.5
思路
要求在給定的兩個有序數組中裡面找其中的中位數,硬性要求時間複雜度為 O(log(m+n)) O ( l o g ( m + n ) )
問題可以轉化為兩個有序序列找第num大的數,由于時間複雜度被限制死,是以不能采用排序後再找中位數的方法(時間複雜度高)。以下參考 兩個有序數組中的中位數和Top K問題
預備知識
先解釋下“割”
我們通過切一刀,能夠把有序數組分成左右兩個部分,切的那一刀就被稱為割(Cut),割的左右會有兩個元素,分别是左邊最大值和右邊最小值。
我們定義L = Max(LeftPart),R = Min(RightPart)
Ps. 割可以割在兩個數中間,也可以割在1個數上,如果割在一個數上,那麼這個數即屬于左邊,也屬于右邊。(後面講單數組中值問題的時候會說)
比如說[2 3 5 7]這個序列,割就在3和5之間
[2 3 / 5 7]
中值就是(3+5)/2 = 4
如果[2 3 4 5 6]這個序列,割在4上,我們可以把4分成2個
[2 3 (4/4) 5 7]
中值就是(4+4)/2 = 4
這樣可以保證不管中值是1個數還是2個數都能統一運算。
割和第k個元素
對于單數組,找其中的第k個元素特别好做,我們用割的思想就是:如果在k的位置割一下,A[k]屬于左邊部分的最大值。
雙數組
我們設:
Ci為第i個數組的割。
Li為第i個數組割後的左元素.
Ri為第i個數組割後的右元素。
如何從雙數組裡取出第k個元素
- 首先Li<=Ri是肯定的(因為數組有序,左邊肯定小于右邊)
- 如果我們讓L1<=R2 && L2<=R1
- 那麼左半邊 全小于右半邊,如果左邊的元素個數相加剛好等于k,那麼第k個元素就是Max(L1,L2),參考上面常識1。
- 如果 L1>R2,說明數組1的左邊元素太大(多),我們把C1減小,把C2增大。L2>R1同理,把C1增大,C2減小。
假設k=3
對于
[1 4 7 9]
[2 3 5]
設C1 = 2,那麼C2 = k-C1 = 1
[1 4/7 9]
[2/3 5]
這時候,L1(4)>R2(3),說明C1要減小,C2要增大,C1 = 1,C2=k-C1 = 2
[1/4 7 9]
[2 3/5]
這時候,滿足了L1<=R2 && L2<=R1,第3個元素就是Max(1,3) = 3。
如果對于上面的例子,把k改成4就恰好是中值。
下面具體來看特殊情況的中值問題。
雙數組的奇偶
中值的關鍵在于,如何處理奇偶性,單數組的情況,我們已經讨論過了,那雙數組的奇偶問題怎麼辦,m+n為奇偶處理方案都不同,
讓數組恒為奇數
有沒有辦法讓兩個數組長度相加一定為奇數或偶數呢?
其實有的,虛拟加入‘#’(這個trick在manacher算法中也有應用),讓數組長度恒為奇數(2n+1恒為奇數)。
Ps.注意是虛拟加,其實根本沒這一步,因為通過下面的轉換,我們可以保證虛拟加後每個元素跟原來的元素一一對應
之前 | len | 之後 | len |
---|---|---|---|
[1 4 7 9] | 4 | [# 1 # 4 # 7 # 9 #] | 9 |
[2 3 5] | 3 | [# 2 # 3 # 5 #] | 7 |
映射關系
這有什麼好處呢,為什麼這麼加?因為這麼加完之後,每個位置可以通過/2得到原來元素的位置。
/ | 原位置 | 新位置 | 除2後 |
---|---|---|---|
1 | 1 | ||
5 | 2 | 5 | 2 |
在虛拟數組裡表示“割”
不僅如此,割更容易,如果割在‘#’上等于割在2個元素之間,割在數字上等于把數字劃到2個部分。
奇妙的是不管哪種情況:
Li = (Ci-1)/2
Ri = Ci/2
例:
- 割在4/7之間‘#’,C = 4,L=(4-1)/2=1 ,R=4/2=2
剛好是4和7的原來位置!
- 割在3上,C = 3,L=(3-1)/2=1,R=3/2 =1,剛好都是3的位置!
剩下的事情就好辦了,把2個數組看做一個虛拟的數組A,目前有2m+2n+2個元素,割在m+n+1處,是以我們隻需找到m+n+1位置的元素和m+n+2位置的元素就行了。
左邊:A[m+n+1] = Max(L1+L2)
右邊:A[m+n+2] = Min(R1+R2)
Mid = (A[m+n+1]+A[m+n+2])/2
= (Max(L1+L2) + Min(R1+R2) )/2
至于在兩個數組裡找割的方案,就是上面的方案。
分治的思路
有了上面的知識後,現在的問題就是如何利用分治的思想。
怎麼分?
最快的分的方案是二分,有2個數組,我們對哪個做二分呢?
根據之前的分析,我們知道了,隻要C1或C2确定,另外一個也就确定了。這裡,為了效率,我們肯定是選長度較短的做二分,假設為C1。
怎麼治?
也比較簡單,我們之前分析了:就是比較L1,L2和R1,R2。
- L1>R2,把C1減小,C2增大。—> C1向左二分
- L2>R1,把C1增大,C2減小。—> C1向右二分
越界問題
如果C1或C2已經到頭了怎麼辦?
這種情況出現在:如果有個數組完全小于或大于中值。可能有4種情況:
C1 == 0 —— 數組1整體都比中值大
C1 == 2 x n —— 數組1整體比中值小
C2 == 0 —— 數組1整體都比中值小
C2 == 2 x m —— 數組1整體比中值大
具體實作
nums1
大小為n,
nums2
大小為m。預設在長度小的數組上進行二分查找。如果n>m,交換。
根據“虛拟數組”,兩個虛拟數組包含
#
一共
有2m+2n+2
個元素。若
nums1
割
c1
,則表示
nums1
左邊有
c1
個數字,而總共數字有
m+n
個,為了兩個數組在割的左右邊總數相等,是以
c2= m+n-c1
low
和
high
是二分查找的區間頭和尾。
low
初始值為0(
[# 1 # 4 # 7 # 9 #]最左邊的#
),
high
初始值為
2*n
(
[# 1 # 4 # 7 # 9 #]最右邊的#
),割
c1=(low+high)/2
,表示
c1
從
nums1
數組正中間位置開始,
c2=m+n-c1
,nums1左邊和nums2左邊元素數量 = nums1右邊和nums2右邊元素數量。
當越界時,巧妙設定
INT_MIN
和
INT_MAX
,使其中一個割無效。
如
nums1 = [1 2]
nums2 = [3 4 5 6 7 8]
,因為nums1整體小于nums2,則經過幾次循環後,c1 = 4,l1 = 2,r1 = INT_MAX。c2 = 4,l2 = 4,r2 = 5。low = high =4,此時因為滿足了左邊整體<=右邊,是以會break跳出循環,然後
return (max(l1,l2) + min(r1,r2))/2.0
,此時其實傳回的就是nums2中割左右兩端的中位數。
代碼
class Solution {
public:
double findMedianSortedArrays(vector<int>& nums1, vector<int>& nums2) {
int n = nums1.size();
int m = nums2.size();
if(n > m)
return findMedianSortedArrays(nums2,nums1);
int c1,c2,l1,l2,r1,r2,low =,high = *n;
while(low <= high){
c1 = (low + high)/;
c2 = m + n - c1;
l1 = (c1==)?INT_MIN:nums1[(c1-)/];
r1 = (c1==*n)?INT_MAX:nums1[c1/];
l2 = (c2==)?INT_MIN:nums2[(c2-)/];
r2 = (c2==*m)?INT_MAX:nums2[c2/];
if(l1 > r2){
high = c1 - ;
}
else if (l2 > r1){
low = c1 + ;
}
else break ;
}
return (max(l1,l2) + min(r1,r2))/;
}
};
LeetCode具體實作代碼和詳細解題報告:https://github.com/zhengjingwei/LeetCode