算法多解——JZ41 数据流中的中位数（构造大小顶堆）

题面

---

解法1

思路分享

• 其实可以说是一道模拟题吧
• 最常规的思路如下：
• 结合题意，Insert()方法读取数据就是：逐个把数据流里面的数压入vector容器去处理；
• GetMedian()方法获取当前读取数据...就是：把当前容器中的数按照要求处理返回中位数
• 这个要求就是排好序后照常返回中位数

复杂度分析

• 时间复杂度：寻找中位数操作中，快排复杂度O(nlogn)，公式计算中位数复杂度为O(1), 故总体复杂度为O(nlogn)
• 空间复杂度：录入数据过程中，每个数据只操作一次，复杂度为O(n)

代码呈现

class Solution {
public:
    vector<int> v;
    void Insert(int num) {
        v.push_back(num); //把num元素添加到容器中
    }
    double GetMedian() { 
        sort(v.begin(),v.end());
        int len = v.size();
        if(len%2 != 0)
            return v[(len-1)/2]*1.0; //注意vector从0开始，且输出为浮点数
        else
            return (v[len/2]+v[len/2-1])*1.0/2;
    }
};

---

解法2

思路分享

构造&大小顶堆

定义两个堆，一个大顶堆Lmax, 一个小顶堆Rmin，分别存放位于中位数左边和中位数自身，位于中位数右边的数据，这样只要问两个堆的堆顶即可获得中位数的结果，由中位数奇偶性质可知：

• 当已添加的数据个数为奇数时，小顶堆的数据个数比大顶堆多一个，此时若要再添加一个数据，必定添加在小顶堆Rmin上，但不知道当前添加的数是否大于中位数，故先插入Lmax然后将Lmax中的最大数放入Rmin中，同时删除Lmax中的最大数，即删除堆顶。

• 当已添加的数据个数为偶数时，小顶堆的数据个数等于大顶堆，此时若再添加一个数据，必定添加在大顶堆Lmax上，添加的手段和前者相同。

这样我们便将数据进行了分隔，然后通过O(1)的复杂度访问堆顶即可计算出中位数。

假定录入数据流为[5,3,2,1,4]，过程模拟如下：

1. 添加第1个数据，当前已经添加的个数为0个，偶数个，故添加在Lmax上，先将数据5放入Rmin筛出最小值再放入Lmax，同时删除Lmax的最小值。

2. 添加第2个数据，当前已经添加的个数为1个，奇数个，故添加在Rmin上，先将数据3放入Lmax筛出最大值再放入Rmin，同时删除Rmin的最大值。

以下步骤同理...

---

算法多解——JZ40 最小的K个数（大根堆模拟及手撕）_夏旭的博客-CSDN博客题面解法1（快排）复杂度时间复杂度：O(nlongn)，取决于排序的快慢空间复杂度：O(n)思路由于逻辑关系和常理，k<n成立，不用特判。要求最小的k个数，最能直接想到的思路就是：先将这些数排好序，前k个最小的数压入ans数组，最后返回就好了。根据常用习惯，下面就用了sort快排和Vector的push_back解决了。也可以排序后直接 return vector<int>({input.begin(), input.begin()+https://blog.csdn.net/Luoxiaobaia/article/details/122900408?spm=1001.2014.3001.5501

复杂度分析

• 时间复杂度：使用堆处理数据，每次添加时间复杂度为O(nlogn)
• 空间复杂度：查询最值复杂度为O(1)

代码呈现

class Solution {
public:
    priority_queue<int> Lmax;
    priority_queue<int, vector<int>, greater<int> > Rmin;
    int cnt = 0;         //记录当前已经添加数据的个数
    void Insert(int num) {
        if(cnt & 1) { //已经添加了奇数个，当前添加至Rmin
            Lmax.push(num);
            Rmin.push(Lmax.top()); 
            Lmax.pop();
        } else { //已经添加了偶数个，当前添加至Lmin
            Rmin.push(num);
            Lmax.push(Rmin.top()); 
            Rmin.pop();
        }
        cnt++;
    }
    double GetMedian() { 
         if(cnt&1) return Lmax.top(); //奇数
         else return (Lmax.top()+Rmin.top())/2.0; //偶数
    }
};