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。
牛客链接:
https://www.nowcoder.com/practice/9be0172896bd43948f8a32fb954e1be1?tpId=13&&tqId=11216&rp=1&ru=/ta/coding-interviews&qru=/ta/coding-interviews/question-ranking
解题思路:
有两种方式
第一种,用vector特性,每输入一个数字都插入在合适的位置
第二种,设置一个小顶堆和大顶堆,主要的思想是:因为要求的是中位数,那么这两个堆,大顶堆用来存较小的数,从大到小排列;小顶堆存较大的数,从小到大的顺序排序*,显然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。
代码一:
插入时间复杂度为o(n),得到中位数的时间复杂度为o(1)
class Solution {
public:
vector<int> sortNum;
void Insert(int num)
{
if (sortNum.size() == 0) {
sortNum.push_back(num);
return ;
}
int len = sortNum.size();
for(int i=0; i<len; i++) {
if(num>sortNum[i]) {
sortNum.insert(sortNum.begin()+i,num);
return;
}
}
sortNum.push_back(num);
return ;
}
double GetMedian()
{
int len = sortNum.size();
double mid;
if (len%2 == 0) {
mid = (sortNum[len/2-1]+sortNum[len/2])/2.0;
} else {
mid = sortNum[len/2];
}
return mid;
}
};
代码二:
插入时间复杂度为o(logn),得到中位数的时间复杂度为o(1)
class Solution {
public:
//定义小顶堆,存后半部分数据
priority_queue <int,vector<int>,greater<int> > minHeap;
//定义大顶堆,存前半部分数据
priority_queue <int,vector<int>,less<int> >maxHeap;
int count = 0;
void Insert(int num)
{
count++;
//若存的为第偶数个数据,插入到小顶堆
if(count%2 == 0) {
//先将数据存入大顶堆,再将大顶堆的最大值存入小顶堆
maxHeap.push(num);
minHeap.push(maxHeap.top());
maxHeap.pop();
} else {
//若存的为第奇数个数据,插入到大顶堆
//先将数据存入小顶堆,再将小顶堆的最小值存入大顶堆
minHeap.push(num);
maxHeap.push(minHeap.top());
minHeap.pop();
}
}
double GetMedian()
{
double mid = 0.0;
if(maxHeap.size() == 0) return mid;
if (count%2 == 0) {
mid = (maxHeap.top() + minHeap.top())/2.0;
} else {
mid = maxHeap.top();
}
return mid;
}
};
注意点:
vector.insert()
大顶堆和小顶堆
参考链接:
c++优先队列(priority_queue)用法
https://www.cnblogs.com/huashanqingzhu/p/11040390.html