剑指41. 数据流中的中位数

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。
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。

2、示例数据：

输入：
[“MedianFinder”,“addNum”,“addNum”,“findMedian”,“addNum”,“findMedian”]
[[],[1],[2],[],[3],[]]
输出：
[null,null,null,1.50000,null,2.00000]

3、代码

class MedianFinder {
public:
    /** initialize your data structure here. */
    
    priority_queue<int> maxHeap;
    priority_queue<int,vector<int>,greater<int>> minHeap;
    
    MedianFinder() {
        
    }
    
    void addNum(int num) {
        if(maxHeap.size()>minHeap.size()){
            if(num>=maxHeap.top()){
                minHeap.push(num);
            }else{
                minHeap.push(maxHeap.top());
                maxHeap.pop();
                maxHeap.push(num);
            }
        }else if(maxHeap.size()==minHeap.size()){
            if(maxHeap.size()==0){
                maxHeap.push(num);
            }else{
                if(num<=minHeap.top()){
                    maxHeap.push(num);
                }else{
                    maxHeap.push(minHeap.top());
                    minHeap.pop();
                    minHeap.push(num);
                }
            }
        }
        return;
    }
    
    double findMedian() {
        if(minHeap.size()==maxHeap.size()){
            return double((minHeap.top()+maxHeap.top())/2.0);
        }else{
            return (double) maxHeap.top();
        }
    }
};

4、解释

基本原理

1. 一个最大堆，一个最小堆；
2. 保证最大堆的元素都不大于最小堆的元素；
3. 保证最大堆的元素个数与最小堆相同或者多一个。

综上，数据流的中位数只和堆顶元素有关。

具体实现

当插入数据的时候有两种情况：

1. 两个堆元素个数相同

   如果nun不比最小堆堆顶元素大，则直接插入最大堆中，如果比它大，则

   先将最小堆中的最小元素移到最大堆中，再将数据插入最小堆，这样既保

   证了原理2，又保证了原理1.

2. 最大堆个数多一

   与1实现类似。