javascript初探LeetCode之4.Median of

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)).

example

nums1 = [1, 3]
nums2 = [2]
The median is 2.0

nums1 = [1, 2]
nums2 = [3, 4]
The median is (2 + 3)/2 = 2.5

分析

这是leetcode上的第4题，难度为hard，就是两有序数组的中值（中位数）。暴力做法是将两数组归并排序成一个有序数组，接着就可以找到中位数，但是时间复杂度O(m*n)，空间复杂度O(m+n)。题目要求的时间复杂度O(log (m+n))，算法的时间复杂度中有log，多是用了分治法的思想。

考虑A和B两个有序数组：

• 1、如果A的中位数小于B的中位数，那么A和B合一起后的中位数肯定存在于A的后半段和B的前半段。
• 2、如果A的中位数大于B的中位数，那么A和B合一起后的中位数肯定存在于A的前半段和B的后半段。
• 3、如果A的中位数等于B的中位数，那A和B合一起的中位数就等于A中的中位数，也等于B中的中位数。
  这样就可以不断缩小中位数在A和B中的区间，这也是二分递归的主要思想,更细的在代码中有注释。

js实现

不带注释版：

/**
 * @param {number[]} nums1
 * @param {number[]} nums2
 * @return {number}
 */
var getMedian = function(arr1,start1,len1,arr2,start2,len2,k){
    if(len1 - start1 > len2 -start2)
        return getMedian(arr2, start2, len2, arr1, start1, len1, k);
    if(len1 - start1 == 0)
        return arr2[k - 1];
    if(k == 1)
        return arr1[start1] > arr2[start2] ? arr2[start2] : arr1[start1]; 
    var p1 = start1 + (len1 - start1 < parseInt(k / 2) ? len1 - start1 : parseInt(k / 2)); 
    var p2 = start2 + k - p1 + start1;
    if(arr1[p1 - 1] < arr2[p2 - 1])
        return getMedian(arr1,  p1, len1, arr2, start2, len2, k - p1 + start1);
        else if(arr1[p1 - 1] > arr2[p2 -1])
            return getMedian(arr1, start1, len1, arr2, p2, len2, k - p2 + start2);
        else
            return arr1[p1 - 1];
}
var findMedianSortedArrays = function(nums1, nums2) {
    var len1 = nums1.length;
    var len2 = nums2.length;
    var size = len1 + len2;
    if(size % 2 == 1)
        return getMedian(nums1, 0, len1, nums2, 0, len2, parseInt(size / 2 + 1));
    else
        return (getMedian(nums1, 0, len1, nums2, 0, len2, parseInt(size / 2)) + getMedian(nums1, 0, len1, nums2, 0, len2, parseInt(size / 2 + 1))) /2;
};

带注释版：

/**
 * @param {number[]} nums1
 * @param {number[]} nums2
 * @return {number}
 */
var getMedian = function(arr1,start1,len1,arr2,start2,len2,k){
/*
这里的k就相对于是每次递归要寻找的第k小值，比如第一次开始，就相对于是寻找第parseInt(size / 2 + 1)小值或者第parseInt(size / 2)小值。
每次递归都会根据二分时重新确定的arr1和arr2的区间和k的值。start1和start2之前的元素都被排除
其中k = k - 此次递归中舍弃的那段里面元素都小于中位数的区间的长度
*/
    if(len1 - start1 > len2 -start2)
        //这样让后续的递归中保证arr1是较短的那个，这样可以省去一些重复的判断
        return getMedian(arr2, start2, len2, arr1, start1, len1, k);
    if(len1 - start1 == 0)
        //表明arr1中可能存在中位数的区间长度为0，即此次递归中的第k小值只可能存在arr2中，arr2有序，所以就是arr2[k - 1]
        return arr2[k - 1];
    if(k == 1)
        //经过上面的if判断，此时中位数可能存在A或B中，不断递归k值不断缩小。
        //此次递归要求第1小值，那就直接把arr1和arr2的第一个元素比较一下，返回较小的那个。
        return arr1[start1] > arr2[start2] ? arr2[start2] : arr1[start1]; 
    var p1 = start1 + (len1 - start1 < parseInt(k / 2) ? len1 - start1 : parseInt(k / 2)); //arr1中位数的位置，因为arr1是较短的那个数组，所以需要加个判断
    var p2 = start2 + k - p1 + start1;//arr2中位数的位置
    if(arr1[p1 - 1] < arr2[p2 - 1])//因为数组元素index从0开始，所以减一，这里if、if else和else对应的三种情况就是分析中的主要思想
        return getMedian(arr1,  p1, len1, arr2, start2, len2, k - p1 + start1);
        else if(arr1[p1 - 1] > arr2[p2 -1])
            return getMedian(arr1, start1, len1, arr2, p2, len2, k - p2 + start2);
        else
            return arr1[p1 - 1];
}
var findMedianSortedArrays = function(nums1, nums2) {
    var len1 = nums1.length;
    var len2 = nums2.length;
    var size = len1 + len2;
    if(size % 2 == 1)
        //如果A和B长度之和为奇数，则中位数只有一个
        return getMedian(nums1, 0, len1, nums2, 0, len2, parseInt(size / 2 + 1));
    else
        //如果A和B长度之和为偶数，则中位数为最中间两数的平均值
        return (getMedian(nums1, 0, len1, nums2, 0, len2, parseInt(size / 2)) + getMedian(nums1, 0, len1, nums2, 0, len2, parseInt(size / 2 + 1))) /2;
};

总结

二分通过递归不断缩小问题的规模，效率比暴力归并排序要高，但是同样需要注意数组长度的奇偶和边界。还有就是js里的k/2是不会自动取整的，所以需要用parseInt处理一下。