剑指 Offer 41. 数据流中的中位数（python）

来源：力扣（LeetCode）
链接：https://leetcode-cn.com/problems/shu-ju-liu-zhong-de-zhong-wei-shu-lcof

题目

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]

# Your MedianFinder object will be instantiated and called as such:
# obj = MedianFinder()
# obj.addNum(num)
# param_2 = obj.findMedian()

思路

要求随时可以提取一段数据流中的中位数，由题意可知，分两种情况：数据流个数为奇数，或者数据流个数为偶数。
我们可以想像，一串数据，我们以中间为节点切成两段，我们要求随时可以提取其中一段的顶部，或者两端的顶部求平均值。

如上图所示，如果保持整个数据有序（这里设置为递增）则，a比左边都大，b比左边都小。维护某一段数据，保持有序，最常用的办法就是堆排序。
那么，我们分别用两个堆，维护左边较小的数，使之成为大顶堆；右边较大的数，使之成为小顶堆。
由于python中自带的堆为小顶堆，那么要构建大顶堆，只需要对需要维护的数据取反即可。（值得注意的是，进入堆和出堆的时候，都要取反）

解法

class MedianFinder:

    def __init__(self):
        """
        initialize your data structure here.
        """
        self.A = []#维护较小数的大顶堆
        self.B = []#维护较大数的小顶堆


    def addNum(self, num: int) -> None:
        # if self.A is None and self.B is None:
        #     heappush(self.A,-num)
        # elif len(self.A)==len(self.B):
        #     heappush(self.B,num)
        #     heappush(self.A,-heappop(self.B))
        # else:
        #     heappush(self.A,-num)
        #     heappush(self.B,-heappop(self.A))
        ############优化########################
        if len(self.A)==len(self.B):
            heappush(self.A,-heappushpop(self.B,num))
        else:
            heappush(self.B,-heappushpop(self.A,-num))
    def findMedian(self) -> float:
        if len(self.A)==len(self.B):
            return (-self.A[0]+self.B[0])/2
        else:return -self.A[0]

在python中，用heappushpop()比heappush(heappop())效率高很多很多！