一、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。
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1:
输入:
["MedianFinder","addNum","addNum","findMedian","addNum","findMedian"]
[[],[1],[2],[],[3],[]]
输出:[null,null,null,1.50000,null,2.00000]
示例2:
输入:
["MedianFinder","addNum","findMedian","addNum","findMedian"]
[[],[2],[],[3],[]]
输出:[null,null,2.00000,null,2.50000]
限制:
最多会对 addNum、findMedian 进行 50000 次调用。
二、思路分析
注:思路分析中的一些内容和图片参考自力扣各位前辈的题解,感谢他们的无私奉献
思路
给定一长度为
N
的无序数组,其中位数的计算方法:首先对数组执行排序(使用O(NlogN)
时间),然后返回中间元素即可(使用O(1)
时间)。根据以上思路,可以将数据流保存在一个列表中,并在添加元素时保持数组有序。此方法的时间复杂度为O(N)
,其中包括:查找元素插入位置O(logN)
(二分查找)、向数组某位置插入元素O(N)
(插入位置之后的元素都需要向后移动一位)。
----借助堆可进一步优化时间复杂度。
建立一个小顶堆A
和大顶堆B
,各保存列表的一半元素,且规定
A
保存较大的一半,长度为 N 2 \frac{N}{{\rm{2}}} 2N(N为偶数)或 N + 1 2 \frac{N+1}{2} 2N+1(N为奇数)
B
保存较大的一半,长度为 N 2 \frac{N}{{\rm{2}}} 2N(N为偶数)或 N + 1 2 \frac{N+1}{2} 2N+1(N为奇数)
随后,中位数可仅根据A,B的堆顶元素计算得到。
算法流程:
设元素总数为N=m+n
N,其中m
和n
分别为A
和B
中的元素个数。
addNum(num) 函数
当m=n
(即N
为偶数):需向A
添加一个元素。实现方法:将新元素num
插入至B
,再将B
堆顶元素插入至A
当m≠n
(即N
为奇数):需向B
添加一个元素。实现方法:将新元素num
插入至A
,再将A
堆顶元素插入至B
这样做的理由是:
对于第一种情况,可能num属于B,所以将num先插入B,然后将B的堆顶元素插入至A,这样可以保证A始终保存较大的一半。
对于第二种情况,可能num属于A,所以将num先插入A,然后将A的堆顶元素插入至B,这样可以保证B始终保存较小的一半。
findMedian() 函数
当m=n
(N为偶数):则中位数为(A的堆顶元素+B的堆顶元素)/2
当m≠n
(N为奇数):则中位数为A的堆顶元素。
案例分析:
复杂度分析:
时间复杂度:
查找中位数 O ( 1 ) \rm{O(1)} O(1):获取堆顶元素使用O(1)
时间
添加数字 O ( l o g N ) \rm{O(logN)} O(logN):堆的插入和弹出操作使用O(logN)
时间
空间复杂度 O ( N ) \rm{O(N)} O(N):其中N
为数据流中的元素数量,小顶堆A
和大顶堆B
最多同时保存N
个元素
三、整体代码
整体代码如下
class MedianFinder {
public:
// 最大堆,存储左边一半的数据,堆顶为最大值
priority_queue<int, vector<int>, less<int>> maxHeap;
// 最小堆, 存储右边一半的数据,堆顶为最小值
priority_queue<int, vector<int>, greater<int>> minHeap;
/** initialize your data structure here. */
MedianFinder() {
}
// 维持堆数据平衡,并保证左边堆的最大值小于或等于右边堆的最小值
void addNum(int num) {
/*
* 当两堆的数据个数相等时候,左边堆添加元素。
* 采用的方法不是直接将数据插入左边堆,而是将数据先插入右边堆,算法调整后
* 将堆顶的数据插入到左边堆,这样保证左边堆插入的元素始终是右边堆的最小值。
* 同理左边数据多,往右边堆添加数据的时候,先将数据放入左边堆,选出最大值放到右边堆中。
*/
if (maxHeap.size() == minHeap.size()) {
minHeap.push(num);
int top = minHeap.top();
minHeap.pop();
maxHeap.push(top);
} else {
maxHeap.push(num);
int top = maxHeap.top();
maxHeap.pop();
minHeap.push(top);
}
}
double findMedian() {
if (maxHeap.size() == minHeap.size()) {
return (maxHeap.top()+minHeap.top())*1.0/2;
} else {
return maxHeap.top()*1.0;
}
}
};
运行,测试通过