剑指offer--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。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。

/*
1.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；
2.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。
3.保证：小顶堆中的元素都大于等于大顶堆中的元素，所以每次塞值，并不是直接塞进去，而是从另一个堆中poll出一个最大(最小)的塞值
4.当数目为偶数的时候，将这个值插入大顶堆中，再将大顶堆中根节点（即最大值）插入到小顶堆中；
5.当数目为奇数的时候，将这个值插入小顶堆中，再讲小顶堆中根节点（即最小值）插入到大顶堆中；
6.取中位数的时候，如果当前个数为偶数，显然是取小顶堆和大顶堆根结点的平均值；如果当前个数为奇数，显然是取小顶堆的根节点
*/
class Solution 
{
private:
    vector<int> min; //最小堆的容器
    vector<int> max; //最大堆的容器
public:
        void Insert(int num)
        {
           int size=min.size()+max.size();
           if((size&1)==0) //长度为偶数，则先插入到大顶堆，然后将大顶堆中最大的数插入小顶堆中
           {
              if(max.size()>0 && num<max[0]) //插入的数小于最大堆的最大值
              {
                 max.push_back(num); //存入最大堆的容器
                 push_heap(max.begin(),max.end(),less<int>()); //调整最大堆
                 num=max[0]; //取出最大堆的最大值
                 pop_heap(max.begin(),max.end(),less<int>()); //从最大堆中弹出元素
                 max.pop_back(); //最大堆的容器中弹出元素
              }
              min.push_back(num); //将大顶堆中弹出的最大数据加入最小堆容器
              push_heap(min.begin(),min.end(),greater<int>()); //调整最小堆
           }
           else//个数为奇数的话，则先插入到小顶堆，然后将小顶堆中最小的数插入大顶堆中
           {
              if(min.size()>0 && num>min[0]) //插入的数据大于最小堆的最小值
              {
                 min.push_back(num); //加入最小堆容器
                 push_heap(min.begin(),min.end(),greater<int>()); //调整最小堆
                 num=min[0]; //取出最小堆的最小值
                 pop_heap(min.begin(),min.end(),greater<int>()); //从最小堆中弹出元素
                 min.pop_back(); //最小堆的序列弹出元素
              }
              max.push_back(num); //将最小堆中弹出的最小数据加入最大堆序列
              push_heap(max.begin(),max.end(),less<int>()); //调整最大堆
           }
        }
         
        double GetMedian()
        {
            int size=min.size()+max.size(); //数据长度
            if(size<=0) //
                return 0;
            if((size&1)==0) //数据长度为偶数
                return (max[0]+min[0])/2.0; //取小顶堆和大顶堆的堆顶元素求平均
            else //数据长度为奇数
                return min[0]; //返回最小堆的最小值
        }
};