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:
- 建立一种数据结构,当插入新数据时,维持这个数据结构。
- 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!