1 问题
如何得到一个数据流中的中位数?如果从数据流中读出奇数个数值,那么中位数就是所有数值排序之后位于中间的数值。如果从数据流中读出偶数个数值,那么中位数就是所有数值排序之后中间两个数的平均值。我们使用Insert()方法读取数据流,使用GetMedian()方法获取当前读取数据的中位数。
数据范围:数据流中数个数满足 1≤n≤1000 ,大小满足 1≤val≤1000
进阶: 空间复杂度 O(n) , 时间复杂度 O(nlogn)
示例1
输入:[5,2,3,4,1,6,7,0,8]
返回值:"5.00 3.50 3.00 3.50 3.00 3.50 4.00 3.50 4.00 "
说明:数据流里面不断吐出的是5,2,3…,则得到的平均数分别为5,(5+2)/2,3…
示例2
输入:[1,1,1]
返回值:"1.00 1.00 1.00 "
2 答案
自己写的,利用了sort()
class Solution:
def __init__(self):
self. num_list = []
def Insert(self, num):
return self.num_list.append(num)
def GetMedian(self):
self.num_list.sort()
if len(self.num_list) == 1:
return self.num_list[0]
if len(self.num_list) % 2 == 1:
return self.num_list[len(self.num_list) // 2]
else:
return ((self.num_list[len(self.num_list) // 2 - 1] + self.num_list[len(self.num_list) // 2]) / 2)
官方解
- 插入排序法
插入排序是排序中的一种方式,一旦一个无序数组开始排序,它前面部分就是已经排好的有序数组(一开始长度为0),而其后半部分则是需要排序的无序数组,插入排序的做法就是遍历后续需要排序的无序部分,对于每个元素,插入到前半部分有序数组中属于它的位置——即最后一个小于它的元素后。
- step 1:用一数组存储输入的数据流。
- step 2:Insert函数在插入的同时,遍历之前存储在数组中的数据,按照递增顺序依次插入,如此一来,加入的数据流便是有序的。
- step 3:GetMedian函数可以根据下标直接访问中位数,分为数组为奇数个元素和偶数个元素两种情况。记得需要类型转换为double。
class Solution:
def __init__(self):
self.val = []
def Insert(self, num):
if len(self.val) == 0:
self.val.append(num)
else:
i = 0
while i < len(self.val):
if num <= self.val[i]:
break
i += 1
self.val.insert(i, num)
def GetMedian(self):
n = len(self.val)
if n % 2 == 1:
return self.val[n // 2]
else:
return (self.val[n // 2] + self.val[n // 2 - 1]) / 2.0
- 堆排序
除了插入排序,我们换种思路,因为插入排序每次要遍历整个已经有的数组,很浪费时间,有没有什么可以找到插入位置时能够更方便。
我们来看看中位数的特征,它是数组中间个数字或者两个数字的均值,它是数组较小的一半元素中最大的一个,同时也是数组较大的一半元素中最小的一个。那我们只要每次维护最小的一半元素和最大的一半元素,并能快速得到它们的最大值和最小值,那不就可以了嘛。这时候就可以想到了堆排序的优先队列。
- step 1:我们可以维护两个堆,分别是大顶堆min,用于存储较小的值,其中顶部最大;小顶堆max,用于存储较大的值,其中顶部最小,则中位数只会在两个堆的堆顶出现。
- step 2:我们可以约定奇数个元素时取大顶堆的顶部值,偶数个元素时取两堆顶的平均值,则可以发现两个堆的数据长度要么是相等的,要么奇数时大顶堆会多一个。
- step 3:每次输入的数据流先进入大顶堆排序,然后将小顶堆的最大值弹入大顶堆中,完成整个的排序。
- step 4:但是因为大顶堆的数据不可能会比小顶堆少一个,因此需要再比较二者的长度,若是小顶堆长度小于大顶堆,需要从大顶堆中弹出最小值到大顶堆中进行平衡。
import heapq
class Solution:
def __init__(self):
self.max = []
self.min = []
def Insert(self, num):
heapq.heappush(self.min, (-1*num))
heapq.heappush(self.max, (-1*self.min[0]))
heapq.heappop(self.min)
if len(self.min) < len(self.max):
heapq.heappush(self.min, -1*self.max[0])
heapq.heappop(self.max)
def GetMedian(self):
if len(self.min) > len(self.max):
return self.min[0] * -1.0
else:
return (self.min[0] * -1.0 + self.max[0]) / 2
https://www.nowcoder.com/share/jump/9318638301699102793641