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。

思路分析

任务分为两部分：

1. 建立一种数据结构，当插入新数据时，维持这个数据结构。
2. 随时获取当前数据流中的中位数

第一部分：建立一种合适的数据结构。这里选取一个最大堆和最小堆，使得每次插入新数据后，最大堆和最小堆数据个数之差不大于1，且最大堆中的最大数a小于最小堆中的最小数b。由于向堆中插入元素的时间复杂度是O(logn)，因此这一部分的时间复杂度是O(logn)。

第二部分：获取中位数。若当前数据流中的数的个数为偶数，则中位数为最大堆和最小堆的堆顶元素的平均值；若是奇数，则中位数是其中一个堆的堆顶元素。这部分时间复杂度O(1)。

下面是python代码，代码中用到了python中的heapq（最小堆）这个数据结构进行堆元素的插入操作。

# heapq.heappush(heap, num) #将num插入heap，并维持堆的数据结构
# heapq.heappop(heap) #弹出堆顶，即最小元素，注意是弹出，
# a = heap[0] #取得堆顶，不弹出
import heapq #python 最小堆
class Solution:
    def __init__(self):
        self.maxheap = []
        self.minheap = []
        self.count = 0
    def Insert(self, num):
        # write code here
        #第一个数
        self.count += 1
        if self.count == 1:
            heapq.heappush(self.minheap, num)
        #第二个数
        elif self.count == 2:
            if num < self.minheap[0]:
                heapq.heappush(self.maxheap, -num)
            else:
                cur = heapq.heappop(self.minheap)
                heapq.heappush(self.maxheap, -cur)
                heapq.heappush(self.minheap, num)
        #第三个及以后的数
        else:
            # 保证最小堆的最小值要比最大堆的最大值大
            if self.count & 1 == 1:#奇数插入最小堆
                if num >= (-self.maxheap[0]):
                    heapq.heappush(self.minheap, num)
                else:
                    cur = - heapq.heappop(self.maxheap)
                    heapq.heappush(self.minheap, cur)
                    heapq.heappush(self.maxheap, -num)
            else: #偶数则插入最大堆
                if num < self.minheap[0]:
                    heapq.heappush(self.maxheap, -num)
                else:
                    cur = heapq.heappop(self.minheap)
                    heapq.heappush(self.maxheap, -cur)
                    heapq.heappush(self.minheap, num)
        
    def GetMedian(self, n=None):
        # write code here
        if not self.count:
            return None
        if self.count & 1 == 1: #奇数
            return self.minheap[0]
        else:  
            bigger = self.minheap[0]
            smaller = -1*self.maxheap[0]
            return ((bigger + smaller)/2.0)  
            #python2.7要用2.0保留小数点位数，切记呀！