当前位置: 首页 > news >正文

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 nums1nums2,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/2total/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 💬!

http://www.xdnf.cn/news/554545.html

相关文章:

  • 电商虚拟户:重构资金管理逻辑,解锁高效归集与智能分账新范式
  • YOLO12改进-模块-引入Cascaded Group Attention(CGA)模块 提升小目标检测和复杂场景下的定位精度。
  • 一道并发的面试题,控制并发数量
  • Spring的AOP在什么场景下会失效?
  • 贝叶斯优化+CNN+LSTM=小论文创新点
  • 物联网(IoT)智能项目全景指南:技术构架、实现细节与应用实践
  • Oracle如何解决LATCH:CACHE BUFFERS CHAINS
  • java接口自动化初识
  • 保证数据库 + redis在读写分离场景中事务的一致性
  • 985,成立人工智能学院
  • Java高频面试之并发编程-19
  • 第50天-使用Python+Qt+DeepSeek开发AI运势测算
  • 基于springboot3 VUE3 火车订票系统前后端分离项目适合新手学习的项目包含 智能客服 换乘算法
  • 当前主流的传输技术(如OTN、IP-RAN、FlexE等)
  • C++STL之string
  • 产业互联网+三融战略:重构企业增长密码
  • 人工智能+:职业技能培训的元命题与能力重构
  • Linux 正则表达式 扩展正则表达式 gawk
  • 101个α因子#8
  • Java DTO 深度解析
  • JUC编程monitor、锁膨胀以及相关关键字
  • 定时从接口下载数据到本地
  • 免费插件集-illustrator插件-Ai插件-路径尖角圆角化
  • 天然产物在食品医药美妆领域的创新应用研究
  • 图像噪声模拟
  • 安装PostgreSQL
  • 解决javafx组件缺失导致运行程序报错的问题
  • Spring Boot中的分布式缓存方案
  • PID项目---硬件设计
  • Javascript 编程基础(2)基础知识 | 2.3、语法规则