剑指 Offer 41. 数据流中的中位数
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。
例如,
[2,3,4] 的中位数是 3
[2,3] 的中位数是 (2 + 3) / 2 = 2.5
设计一个支持以下两种操作的数据结构:
void addNum(int num) - 从数据流中添加一个整数到数据结构中。
double findMedian() - 返回目前所有元素的中位数。
示例 1:
输入:
["MedianFinder","addNum","addNum","findMedian","addNum","findMedian"]
[[],[1],[2],[],[3],[]]
输出:[null,null,null,1.50000,null,2.00000]
示例 2:
输入:
["MedianFinder","addNum","findMedian","addNum","findMedian"]
[[],[2],[],[3],[]]
输出:[null,null,2.00000,null,2.50000]
采用两个堆,一个大顶堆来保存元素较小的一半,一个小顶堆保存元素较大的一半,当元素个数总共为偶数个时,大顶堆元素和小顶堆元素各为N/2个,当元素个数总共为计数时,大顶堆元素为N-1/2,小顶堆元素为N+1/2,即始终保持小顶堆元素个数大于等于大顶堆元素个数。为保持这个条件,当两堆元素个数相等时,往小顶堆里插入元素,两堆元素不等时,一定是小顶堆元素多,所以往大顶堆插入元素。但同时为了保持小顶堆里的元素为较大的一半,所以往小顶堆插入元素时,先将元素插入大顶堆,然后取出大顶堆的堆顶元素,往大顶堆插入元素时同理,这样能保证将总元素分为较大一半和较小一半。
class MedianFinder41 {
public:
priority_queue<int,vector<int>,greater<int> >BigHalf; //小顶堆,保存较大的一半
priority_queue<int>SmallHalf; //大顶堆,保存较小的一半
/** initialize your data structure here. */
MedianFinder41()
{
}
void addNum(int num)
{
//这种添加方式保持存大值的堆的数量总是大于或等于存小值的数量
if(BigHalf.size() != SmallHalf.size())
{
BigHalf.push(num);
SmallHalf.push(BigHalf.top());
BigHalf.pop();
}
else
{
SmallHalf.push(num);
BigHalf.push(SmallHalf.top());
SmallHalf.pop();
}
}
double findMedian()
{
if(BigHalf.size() == SmallHalf.size())
{
return (BigHalf.top()+SmallHalf.top())/2.0;
}
else
{
return BigHalf.top();
}
return BigHalf.top();
}
};