295. 数据流的中位数
题目描述
中位数是有序列表中间的数。如果列表长度是偶数,中位数则是中间两个数的平均值。
例如,
[2,3,4] 的中位数是 3
[2,3] 的中位数是 (2 + 3) / 2 = 2.5
设计一个支持以下两种操作的数据结构:
void addNum(int num) - 从数据流中添加一个整数到数据结构中。
double findMedian() - 返回目前所有元素的中位数。
示例:
addNum(1)
addNum(2)
findMedian() -> 1.5
addNum(3)
findMedian() -> 2
题解(来自评论区Alien-Leon):在数据流中,数据会不断涌入结构中,那么也就面临着需要多次动态调整以获得中位数。 因此实现的数据结构需要既需要快速找到中位数,也需要做到快速调整。
首先能想到就是二叉搜索树,在平衡状态下,树顶必定是中间数,然后再根据长度的奇偶性决定是否取两个数。
此方法效率高,但是手动编写较费时费力。
根据只需获得中间数的想法,可以将数据分为左右两边,一边以最大堆的形式实现,可以快速获得左侧最大数, 另一边则以最小堆的形式实现。其中需要注意的一点就是左右侧数据的长度差不能超过1。 这种实现方式的效率与AVL平衡二叉搜索树的效率相近,但编写更快
代码:
class MedianFinder {
public:
priority_queue <int,vector<int>,greater<int> > r;//右边小顶堆
priority_queue <int,vector<int>,less<int> > l;//左边大顶堆
/** initialize your data structure here. */
MedianFinder() {
}
void addNum(int num) {
int l1 = l.size();
int l2 = r.size();
if(l1==l2){
if(r.empty()||num<=r.top())
l.push(num);
else{
l.push(r.top());
r.push(num);
r.pop();
}
}
else{
if(num<l.top()){
r.push(l.top());
l.push(num);
l.pop();
}
else
r.push(num);
}
}
double findMedian() {
int l1 = l.size();
int l2 = r.size();
if(l1==l2)
return (l.top()+r.top())/2.0;
else
return l.top();
}
};
/**
* Your MedianFinder object will be instantiated and called as such:
* MedianFinder* obj = new MedianFinder();
* obj->addNum(num);
* double param_2 = obj->findMedian();
*/
附一个看完题解后的思路和优先队列priority_queue学习
优先队列学习