Algorithm 将一个数组拆分为2个子数组并递归求解它们仍然是O（log（n））？
我发现了这个算法，它可以计算上两个排序列表的中位数。 它说，它是O（log（n））。 但真的是这样吗 我感到困惑的是： 这些行将数组拆分为2个子数组（使用Python的切片）并递归求解：Algorithm 将一个数组拆分为2个子数组并递归求解它们仍然是O（log（n））？,algorithm,runtime,time-complexity,Algorithm,Runtime,Time Complexity,我发现了这个算法，它可以计算上两个排序列表的中位数。 它说，它是O（log（n））。 但真的是这样吗 我感到困惑的是： 这些行将数组拆分为2个子数组（使用Python的切片）并递归求解： if n % 2 == 0: return getMedian(arr1[:int(n / 2) + 1], arr2[int(n / 2) - 1:], int(n / 2) + 1) else: return getMedian(arr1[:int(n / 2) + 1],
if n % 2 == 0:
return getMedian(arr1[:int(n / 2) + 1],
arr2[int(n / 2) - 1:], int(n / 2) + 1)
else:
return getMedian(arr1[:int(n / 2) + 1],
arr2[int(n / 2):], int(n / 2) + 1)
# using divide and conquer we divide
# the 2 arrays accordingly recursively
# till we get two elements in each
# array, hence then we calculate median
#condition len(arr1)=len(arr2)=n
def getMedian(arr1, arr2, n):
# there is no element in any array
if n == 0:
return -1
# 1 element in each => median of
# sorted arr made of two arrays will
elif n == 1:
# be sum of both elements by 2
return (arr1[0]+arr2[1])/2
# Eg. [1,4] , [6,10] => [1, 4, 6, 10]
# median = (6+4)/2
elif n == 2:
# which implies median = (max(arr1[0],
# arr2[0])+min(arr1[1],arr2[1]))/2
return (max(arr1[0], arr2[0]) +
min(arr1[1], arr2[1])) / 2
else:
#calculating medians
m1 = median(arr1, n)
m2 = median(arr2, n)
# then the elements at median
# position must be between the
# greater median and the first
# element of respective array and
# between the other median and
# the last element in its respective array.
if m1 > m2:
if n % 2 == 0:
return getMedian(arr1[:int(n / 2) + 1],
arr2[int(n / 2) - 1:], int(n / 2) + 1)
else:
return getMedian(arr1[:int(n / 2) + 1],
arr2[int(n / 2):], int(n / 2) + 1)
else:
if n % 2 == 0:
return getMedian(arr1[int(n / 2 - 1):],
arr2[:int(n / 2 + 1)], int(n / 2) + 1)
else:
return getMedian(arr1[int(n / 2):],
arr2[0:int(n / 2) + 1], int(n / 2) + 1)
# function to find median of array
def median(arr, n):
if n % 2 == 0:
return (arr[int(n / 2)] +
arr[int(n / 2) - 1]) / 2
else:
return arr[int(n/2)]
# Driver code
arr1 = [1, 2, 3, 6]
arr2 = [4, 6, 8, 10]
n = len(arr1)
print(int(getMedian(arr1,arr2,n)))
# This code is contributed by
# baby_gog9800
是的，绝对是。许多候选人因为错过了这一点而在编程面试中得到了不好的分数 在python中对列表进行切片将生成一个副本 复制列表的一半需要O（n）个时间 这个算法总共需要O（n）个时间（你应该试着找出为什么它不是O（n logn））
您确实需要知道您的语言是如何工作的，才能为任何特定的示例解决这个问题，因为有些语言提供了在不复制元素的情况下对列表进行切片的方法。在java中，您可以调用
list.sublist（start，end）您确实需要知道您的语言是如何工作的，才能为任何特定的示例解决这个问题，因为有些语言提供了在不复制元素的情况下对列表进行切片的方法。在java中，您可以调用
list.sublist（start，end）O（n）O（log（n））f（n）=O（1）O（logn）算法及其实现之间的区别在于为什么算法分析是在伪代码上执行的，而不是在实际编程语言中执行的。像这样的实现细节常常会引起混乱。因此，算法倾向于根据需求明确说明所使用的操作及其时间复杂性（如索引、切片等） 这里的问题是您混淆了算法的实现。这个Python实现是
O（n）O（log（n））f（n）=O（1）O（logn）算法及其实现之间的区别在于为什么算法分析是在伪代码上执行的，而不是在实际编程语言中执行的。像这样的实现细节常常会引起混乱。因此，算法倾向于根据需求明确说明所使用的操作及其时间复杂性（如索引、切片等） 在Python中，如果对列表进行切片，则创建一个副本，因此需要O（n）。GFG文章中的切片并不创建副本，它只是保存了如何切片列表的指针。它将两个数组拆分为半，因此从2n大小变为n/2+n/2=n，从而将问题减半。虽然如果它只是一个大小为n的数组，那么执行n/2+n/2=n仍然是O（n）。GFG文章中的切片并不创建副本，它只是保存了如何切片列表的指针。它将两个数组拆分为半，因此从2n大小变为n/2+n/2=n，从而将问题减半。虽然如果只是一个大小为n的数组，那么n/2+n/2=n仍然是O（n）。接口方法
List.sublist（）List.sublist（）