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)).
找兩個序列的中位數。
想當然的思路將兩個序列合二為一，找中位數。時間複雜度差。主要是有一個（m+n）大小的排序演算法的複雜度。
經典排序演算法的總結比較：這裡寫連結內容
複雜度平均情況為(m+n)log（m+n），與題目要求的log(m+n)不符，但是OJ通過。在網上找的更好的程式碼測試OJ時間反而更慢。
下面是自己寫的。

class Solution(object):
    def findMedianSortedArrays(self, nums1, nums2):
        """
        :type nums1: List[int]
        :type nums2: List[int]
        :rtype: float
        """
        for i in nums2:
            nums1.append(i)
        nums1.sort()
        k=len(nums1)
        if k%2==0:
            return
 
 (float(nums1[int(k/2-1)])+nums1[int(k/2)])/2
        else:
            return nums1[int((k-1)/2)]

摘抄部分：這道題其實考察的是二分查詢，是《演算法導論》的一道課後習題，難度還是比較大的。首先我們來看如何找到兩個數列的第k小個數，即程式中getKth(A, B , k)函式的實現。用一個例子來說明這個問題：A = {1，3，5，7}；B = {2，4，6，8，9，10}；如果要求第7個小的數，A數列的元素個數為4，B數列的元素個數為6；k/2 = 7/2 = 3，而A中的第3個數A[2]=5；B中的第3個數B[2]=6；而A[2]

class Solution:
    # @return a float
    # @line20 must multiply 0.5 for return a float else it will return an int
    def getKth(self, A, B, k):
        lenA = len(A); lenB = len(B)
        if lenA > lenB: return self.getKth(B, A, k)
        if lenA == 0: return B[k - 1]
        if k == 1: return min(A[0], B[0])
        pa = min(k/2, lenA); pb = k - pa
        if A[pa - 1] <= B[pb - 1]:
            return self.getKth(A[pa:], B, pb)
        else:
            return self.getKth(A, B[pb:], pa)

    def findMedianSortedArrays(self, A, B):
        lenA = len(A); lenB = len(B)
        if (lenA + lenB) % 2 == 1: 
            return self.getKth(A, B, (lenA + lenB)/2 + 1)
        else:
            return (self.getKth(A, B, (lenA + lenB)/2) + self.getKth(A, B, (lenA + lenB)/2 + 1)) * 0.5

二分法查詢。使用起來沒那麼方便。效率高。最好的情況每次刪除一半的元素，演算法時間複雜度為log（m+n）,上面的程式碼測試oj時間卻更長。