41：数据流中的中位数（剑指offer第2版Python）

1、题目描述

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。

2、代码详解

'''
heapq默认最小堆
heappush(heap,item) #往堆中插入一条新的值
item = heappop(heap) #从堆中弹出最小值
heappushpop() #顾名思义，将值插入到堆中同时弹出堆中的最小值
'''
# -*- coding:utf-8 -*-
from heapq import *
class Solution:
    def __init__(self):
        self.heaps = [], []

    def Insert(self, num):
        # 大根堆存比中位数小的数，小根堆存比中位数大的堆，中位数就是大顶堆的根节点与小顶堆的根节点和的平均数
        small, large = self.heaps
        # print('****插入', num, '****')
        # print('small:', small, ',large:', large)
        heappush(small, -heappushpop(large, num))  # 将num放入大根堆large，并弹出大根堆large的最小值，取反，放入小根堆small
        # print('2small:', small, ',2large:', large)
        if len(large) < len(small):
            heappush(large, -heappop(small))  # 弹出small中最小的值，取反，放入large
        # print('3small:', small, ',3large:', large)

    def GetMedian(self, ss=None):
        # write code here
        small, large = self.heaps
        if len(large) > len(small):
            return float(large[0])
        return (large[0] - small[0]) / 2.0


t = Solution()
t.Insert(5)
print(t.GetMedian())
t.Insert(2)
print(t.GetMedian())
t.Insert(3)
print(t.GetMedian())
t.Insert(4)
print(t.GetMedian())
t.Insert(1)
print(t.GetMedian())
t.Insert(6)
print(t.GetMedian())
t.Insert(7)
print(t.GetMedian())
t.Insert(0)
print(t.GetMedian())
t.Insert(8)
print(t.GetMedian())

****插入 5 ****
small: [] ,large: []
2small: [-5] ,2large: []
3small: [] ,3large: [5]
5.0
****插入 2 ****
small: [] ,large: [5]
2small: [-2] ,2large: [5]
3small: [-2] ,3large: [5]
3.5
****插入 3 ****
small: [-2] ,large: [5]
2small: [-3, -2] ,2large: [5]
3small: [-2] ,3large: [3, 5]
3.0
****插入 4 ****
small: [-2] ,large: [3, 5]
2small: [-3, -2] ,2large: [4, 5]
3small: [-3, -2] ,3large: [4, 5]
3.5
****插入 1 ****
small: [-3, -2] ,large: [4, 5]
2small: [-3, -2, -1] ,2large: [4, 5]
3small: [-2, -1] ,3large: [3, 5, 4]
3.0
****插入 6 ****
small: [-2, -1] ,large: [3, 5, 4]
2small: [-3, -1, -2] ,2large: [4, 5, 6]
3small: [-3, -1, -2] ,3large: [4, 5, 6]
3.5
****插入 7 ****
small: [-3, -1, -2] ,large: [4, 5, 6]
2small: [-4, -3, -2, -1] ,2large: [5, 7, 6]
3small: [-3, -1, -2] ,3large: [4, 5, 6, 7]
4.0
****插入 0 ****
small: [-3, -1, -2] ,large: [4, 5, 6, 7]
2small: [-3, -1, -2, 0] ,2large: [4, 5, 6, 7]
3small: [-3, -1, -2, 0] ,3large: [4, 5, 6, 7]
3.5
****插入 8 ****
small: [-3, -1, -2, 0] ,large: [4, 5, 6, 7]
2small: [-4, -3, -2, 0, -1] ,2large: [5, 7, 6, 8]
3small: [-3, -1, -2, 0] ,3large: [4, 5, 6, 8, 7]
4.0

构建一个最大堆和一个最小堆，分别存储比中位数小的数和大的数。当目前两堆总数为偶数的时候，把数字存入最大堆，然后重排最大堆，如果最大堆的堆顶数字大于最小堆堆顶数字，则把两个堆顶数字交换，重排两堆，此时两堆数字总数为奇数，直接输出最大堆堆顶数字即为中位数；如果当前两堆总数为奇数的时候，把数字存入最小堆，重排最小堆，如果最大堆的堆顶数字大于最小堆堆顶数字，则把两个堆顶数字交换，重排两堆，此时两堆数字总数为偶数，取两堆堆顶数字做平均即为中位数。

https://github.com/Jack-Lee-Hiter/AlgorithmsByPython/blob/master/Target%20Offer/%E6%95%B0%E6%8D%AE%E6%B5%81%E4%B8%AD%E7%9A%84%E4%B8%AD%E4%BD%8D%E6%95%B0.py

3、参考文献

Python中的堆

https://docs.python.org/3.6/library/heapq.html

https://blog.csdn.net/minxihou/article/details/51857518

题解

https://www.nowcoder.com/questionTerminal/9be0172896bd43948f8a32fb954e1be1?f=discussion

https://github.com/shenweichen/coding_interviews/blob/master/41.%E6%95%B0%E6%8D%AE%E6%B5%81%E4%B8%AD%E7%9A%84%E4%B8%AD%E4%BD%8D%E6%95%B0/41.%E6%95%B0%E6%8D%AE%E6%B5%81%E4%B8%AD%E7%9A%84%E4%B8%AD%E4%BD%8D%E6%95%B0.py