這個題目，如果沒有找到正確的切入點會非常繞（太多邊界條件要處理），一旦姿勢用對，就非常簡單了。

首先不解釋，是個二分。但是第一步是：扔掉二分，將其一般化。generalize it！

具體來說怎麼“一般化”，

　　1.不是找中位數，而是找第k大的數。

　　2.不從兩個陣列的中間位置找，而是從任意位置找。

第二步是構畫答案的樣子。這個在很多題目當中都有用，先假設出答案，再分析答案應該有什麼樣的性質。

對於n1中任意位置a的一個數值x，即n1[a]=x，則在陣列n1上，x左側有a個數，右側有len(n1)-a-1個數，為了方便將b=len(n1)-a-1。

用圈圈o表示一個數，則：o..ooo, x ,ooo...ooo，左側a個o，右側b個o

對於n2同理，假如任意取下標n2[c]，拿到其值為y，則o..ooo, y ,ooo...ooo，左側c個o，右側d個o，其中d=len(n2)-c-1

不是一般性，假設x<y，則我們知道，y同時大於x左邊的a個數，所以在最終形成的n1+n2陣列中：

　　1.y>（n1中x以及x左右的所有a個數字）

　　2.y>（n2中y本身左邊的所有c個數字）

所以最終陣列中，y一共至少大於a+c+1個數，之所以說至少，因為x右邊的數字與y的大小我們不知道，也不關心。

同理，x一共至少小於b+d+1個數。

假設最終結合的陣列：ooo..oooo●●●...●●●，其中前面o有a+c+1個，後面●有b+d+1個

那麼x的位置肯定是o中的某一個，因為如果x是●中的一個，那麼將不滿足“x一共至少小於b+d+1個數”，

同理y的位置肯定是●中的某一個。

當前結論下，我們如果要找n1+n2中的第k大的數，那我們首先看k屬於前半段ooo..oooo當中，還是後半段●●●...●●●當中。

假如在前半段中，那麼我們可以得出這個第k大的數字一定小於y，因為y在其右邊。

所以我們將原來的n2=c+1+d中的中間的y和後面的d個數一併扔掉，只保留前面c個數，仍然保證答案存在，於是變成了“在n1和新的n2種找第k大的數”，遞迴開始。

假如在後半段也一樣，只不過因為扔掉的是n1的前半段a+1個數，所以要更新k值，k=k-(a+1),也開始遞迴。

然後從一般到特殊，如何選擇n1和n2的x和y值呢，直覺：取中間值做二分唄。因為我們每次扔掉的是前半段（或後半段）以及中間一個值（x或y），這就保證了我們每次遞迴，至少扔掉 n1/2向上取整 或者 n2/2向上取整個數字，所以可以保證log(n)+log(m)的複雜度（你可以想想為啥不是log(n+m)）

跳出遞迴返回條件：len(n1)==0 或者len(n2)==0

程式碼：

class Solution:
    def find_Kth(self,n1,n2,k):
        if len(n1)==0:
            return n2[k]
        if len(n2)==0:
            return n1[k]
        m1,m2=len(n1)//2,len(n2)//2
        if n1[m1]>n2[m2]:
            n1,n2=n2,n1
            m1,m2=m2,m1
        l,r=m1+m2,m1+m2+1
        if k<=l:
            n2=n2[:m2]
        else:
            k-=m1+1
            n1=n1[m1+1:]
        return self.find_Kth(n1,n2,k)
    def findMedianSortedArrays(self, nums1, nums2):
        l=len(nums1)+len(nums2)
        if l%2==0:
            return (self.find_Kth(nums1,nums2,l//2)+self.find_Kth(nums1,nums2,l//2-1))/2
        else:
            return self.find_Kth(nums1,nums2,l//2)