leetcode -- Find Median from Data Stream -- 设计题重点

https://leetcode.com/problems/find-median-from-data-stream/

利用minHeap以及maxHeap。把一个ordered num list, 分成两半A1 A2，或者其中一半比另一半长度多1，那么A1可以维护一个maxHeap，顶部就是最大值，即最靠近中间的值；A2可以维护一个minHeap，顶部就是最小值，也就是最靠近中间的值。

参考http://bookshadow.com/weblog/2015/10/19/leetcode-find-median-data-stream/
维护大顶堆（MaxHeap） + 小顶堆（MinHeap）

需要满足下面的约束条件：

大顶堆中存储的元素 均不大于 小顶堆中的元素
MaxHeap.size() == MinHeap.size()，或者 MaxHeap.size() == MinHeap.size() + 1
则有：

当MaxHeap.size() == MinHeap.size() + 1时，中位数就是MaxHeap的堆顶元素
当MaxHeap.size() == MinHeap.size()时，中位数就是MaxHeap堆顶元素与MinHeap堆顶元素的均值
使用Python的内置堆算法heapq可以很容易地实现小顶堆，而大顶堆可以通过对元素的值 * -1实现。

还可以用下面的精简的code.使用heapq的heappushpop操作可以合并执行heappush与heappop操作，进而使代码简化：这个code更好理解

这里这个code不太一样，是minHeap要比maxHeap多1。如果两个heap大小相等，那么也要先加到预先设定短的那个，然后把top pop出来给长的那个heap。

import heapq
def __init__(self):
    self.small = []  # the smaller half of the list, min-heap with invert values
    self.large = []  # the larger half of the list, min heap

def addNum(self, num):
    #这里的这个判断条件可以在len(self.small) == len(self.large)，先加到minHeap，然后把minHeapTop push到maxHeap，因为我们要求maxHeap比minHeap长1，然后else就是说可以在maxHeap比minHeap长1的时候，又恢复len(minHeap) == len(maxHeap)
    if len(self.small) == len(self.large):
        heapq.heappush(self.large, -heapq.heappushpop(self.small, -num))
    else:
        heapq.heappush(self.small, -heapq.heappushpop(self.large, num))

def findMedian(self):
    if len(self.small) == len(self.large):
        return float(self.large[0] - self.small[0]) / 2.0
    else:
        return float(self.large[0])

下面这个code不太好理解

from heapq import *
class MedianFinder:
    def __init__(self):
        """
        Initialize your data structure here.
        """
        self.minHeap = []
        self.maxHeap = []

    def addNum(self, num):
        """
        Adds a num into the data structure.
        :type num: int
        :rtype: void
        """
        heappush(self.maxHeap, -num)
        minTop = self.minHeap[0] if len(self.minHeap) else None
        maxTop = self.maxHeap[0] if len(self.maxHeap) else None
        if minTop < -maxTop or len(self.minHeap) + 1 < len(self.maxHeap):#这里就是对maxHeap加了一个num之后，如果加了这个数之后，maxHeapTop如果大于minHeapTop,那么结构就破坏了，要把maxHeapTop加到minHeap里去。就相当于要排序。或者maxHeap的长度大于了minHeap长度加1，则也要把maxHeapTop加到minHeap里去
            #总之这里是要控制，sorted以及len(maxHeap) <=len(minHeap) + 1
            heappush(self.minHeap, -heappop(self.maxHeap))
        if len(self.maxHeap) < len(self.minHeap):#这里要控制的是len(maxHeap)>=len(minHeap).例如input {1,2,3}, add 1 到maxHeap之后，就会被调整到minHeap，之后add 2 到maxHeap之后，也会被调整到minHeap。这个时候就要在这个判断条件下进行调整了，否则全部元素都到minHeap去了，所以之类加入的元素都是先进maxheap，再进minheap，再可能的话回到maxheap
            heappush(self.maxHeap, -heappop(self.minHeap))

    def findMedian(self):
        """
        Returns the median of current data stream
        :rtype: float
        """
        if len(self.minHeap) < len(self.maxHeap):
            return -1.0 * self.maxHeap[0]
        else:
            return (self.minHeap[0] - self.maxHeap[0]) / 2.0