数据流中的中位数

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。

样例

Input:1, 2, 3, 4
Output:1,1.5,2,2.5
## 解释：每当数据流读入一个数据，就进行一次判断并输出当前的中位数。

解题思路

• 描述

  我们定义一个count用于计数，一个val用于存储计数的数字。遍历数组，如果count为0，则将当前值赋值val，然后count++；如果count不为0，如果当前值等于val，则count++，否则count–。

  本题目同样是使用大顶堆和小顶堆。

  大顶堆和小顶堆的特点：每一次通过 $lo{g}^n$ 时间可获取最大或最小值。

  我们创建两个堆，一个大顶堆和一个小顶堆，分别维护一部分数据，且大顶堆数据量与小顶堆数据量相等或仅比小顶堆数据量大一。

  假定数据流中有n个数，小顶堆维护数值较大的 n/2 个数，大顶堆维护数值较小的 n/2 个数，那么小顶堆的堆顶值和大顶堆的堆顶值则是数据流的中间数值。

  简单如图示：
  

  已经确定如何处理该问题。现在讨论如何维护大顶堆和小顶堆：

  • 数据流中读入一个数，将其加入小顶堆中。如果小顶堆的顶堆值大于大顶堆的顶堆值，此时需要交换两者的值。
  • 数据流中读入一个数，将其加入小顶堆。如果小顶堆的数据量比大顶堆的数据量大于一，此时应将小顶堆的顶堆值放到大顶堆中。

• 实现代码：

  /*
  包含头文件
  #include <queue>
  */
  
  priority_queue<int> big_heap; // 大顶堆
  priority_queue<int, vector<int> ,greater<int> > small_heap; // 小顶堆
  
  void insert(int num){
      int tmp;
      big_heap.push(num);
      if((small_heap.size()) && (big_heap.top() > small_heap.top())) // 发生逆序
      {
          tmp = small_heap.top();
          small_heap.pop();
          small_heap.push(big_heap.top());
          big_heap.pop();
          big_heap.push(tmp);
      }
      if(big_heap.size() - small_heap.size() > 1)
      {
          small_heap.push(big_heap.top());
          big_heap.pop();
      }
  }
  
  double getMedian(){
      if((big_heap.size() + small_heap.size()) % 2) // 和为奇数
      {
          return big_heap.top();
      }
      else
      {
          return (big_heap.top() + small_heap.top()) / 2.0;
      }
  }