每日算法 -【Swift 算法】寻找两个有序数组的中位数(O(log(m+n)))详细讲解版
🧠 用 Swift 寻找两个有序数组的中位数(O(log(m+n)))详细讲解版
寻找两个有序数组的中位数,是 LeetCode 上非常经典的一道题,难度为 困难(Hard),但它的本质是一个 二分查找 的变形应用。
📌 题目描述
给定两个正序(从小到大)排列的数组 nums1
和 nums2
,要求在 不合并数组 的前提下,找出它们的中位数,并且时间复杂度必须为 O(log(m+n))。
示例 1:
输入: nums1 = [1, 3], nums2 = [2]
合并后:[1, 2, 3]
中位数:2
示例 2:
输入: nums1 = [1, 2], nums2 = [3, 4]
合并后:[1, 2, 3, 4]
中位数:(2 + 3)/2 = 2.5
⚠️ 暴力解法(不推荐)
直接合并两个数组然后排序,再取中位数,这种做法时间复杂度是 O(m+n),不满足题目要求。
func findMedianSortedArraysBruteForce(_ nums1: [Int], _ nums2: [Int]) -> Double {// 1. 合并两个数组let merged = (nums1 + nums2).sorted()// 2. 获取总长度let count = merged.count// 3. 判断奇偶并返回中位数if count % 2 == 1 {// 奇数,直接返回中间的数return Double(merged[count / 2])} else {// 偶数,返回中间两个数的平均值let mid1 = merged[count / 2 - 1]let mid2 = merged[count / 2]return Double(mid1 + mid2) / 2.0}
}
✅ 二分查找解法(推荐)
我们要寻找的是第 k
小的数,而中位数正是数组中间的那个数。所以我们把问题转化为:
“在两个有序数组中找第 k 小的数”。
🧮 中位数转化为第 k 小数
设两个数组总长度为 total = m + n
:
- 如果
total
是奇数,返回第(total+1)/2
小的数; - 如果
total
是偶数,返回第total/2
和total/2 + 1
小的数的平均值。
🔧 Swift 实现(附详细注释)
func findMedianSortedArrays(_ nums1: [Int], _ nums2: [Int]) -> Double {// 获取第 k 小的元素func getKthElement(_ k: Int) -> Int {var index1 = 0, index2 = 0var k = klet m = nums1.count, n = nums2.countwhile true {// 如果 nums1 已经全部用完了,直接从 nums2 取if index1 == m {return nums2[index2 + k - 1]}// 如果 nums2 已经全部用完了,直接从 nums1 取if index2 == n {return nums1[index1 + k - 1]}// 如果 k == 1,说明我们只需要找最小的那一个if k == 1 {return min(nums1[index1], nums2[index2])}// 正常情况下,从两个数组中各取 k/2 个元素进行比较let newIndex1 = min(index1 + k / 2 - 1, m - 1)let newIndex2 = min(index2 + k / 2 - 1, n - 1)let pivot1 = nums1[newIndex1]let pivot2 = nums2[newIndex2]if pivot1 <= pivot2 {// 舍弃 nums1[index1...newIndex1]k -= (newIndex1 - index1 + 1)index1 = newIndex1 + 1} else {// 舍弃 nums2[index2...newIndex2]k -= (newIndex2 - index2 + 1)index2 = newIndex2 + 1}}}// 主逻辑let totalLength = nums1.count + nums2.countif totalLength % 2 == 1 {// 奇数时:返回中间那个数return Double(getKthElement((totalLength + 1) / 2))} else {// 偶数时:返回中间两个数的平均值let mid1 = getKthElement(totalLength / 2)let mid2 = getKthElement(totalLength / 2 + 1)return Double(mid1 + mid2) / 2.0}
}
🧪 测试代码
print(findMedianSortedArrays([1, 3], [2])) // 输出: 2.0
print(findMedianSortedArrays([1, 2], [3, 4])) // 输出: 2.5
print(findMedianSortedArrays([0, 0], [0, 0])) // 输出: 0.0
print(findMedianSortedArrays([], [1])) // 输出: 1.0
print(findMedianSortedArrays([2], [])) // 输出: 2.0
📈 时间复杂度分析
- 每次比较会排除 k/2 个元素,时间复杂度为 O(log k);
- 因为 k 最多是
m+n
,所以总复杂度是 O(log(m+n)),符合要求。
✅ 总结
特性 | 描述 |
---|---|
输入数组 | 有序 |
允许合并吗 | ❌ 不允许 |
解法 | 二分查找 |
时间复杂度 | O(log(m+n)) |
空间复杂度 | O(1) |
这种算法很有代表性,它说明了:二分查找不仅仅适用于一个数组,还可以延伸到两个数组,只要我们学会“不断舍弃不可能的部分”。
🧠 推荐练习
- LeetCode 4. Median of Two Sorted Arrays
- 寻找两个有序数组的第 K 小数
如果你觉得这篇文章对你有帮助,欢迎 👍 收藏 ⭐,评论交流 💬!