中位数是有序列表中间的数。如果列表长度是偶数,中位数则是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:
addNum(1)
addNum(2)
findMedian() -> 1.5
addNum(3)
findMedian() -> 2
进阶:
如果数据流中所有整数都在 0 到 100 范围内,你将如何优化你的算法?
如果数据流中 99% 的整数都在 0 到 100 范围内,你将如何优化你的算法?
来源:力扣(LeetCode)
链接:https://leetcode-cn.com/problems/find-median-from-data-stream
著作权归领扣网络所有。商业转载请联系官方授权,非商业转载请注明出处。
思路:
使用两个堆,一个最大堆一个最小堆,分别保存一半的元素,当要时刻保持最小堆的堆顶元素大于最大堆的堆顶元素,这样中值就一定在两个堆顶其中之一。步骤如下:
- 插入元素的时候,判断插入的元素是否大于最小堆的堆顶,若大于最小堆的堆顶,则说明当前元素是较大的一半元素中的一个,因此压入最小堆,反之则压入最大堆。之后堆两个堆的大小进行平衡,使得大小差值小于等于1,平衡的方法是将较多元素的堆顶压入较少元素的堆中。
- 在返回中位数的时候,返回数量较多的堆的堆顶,当数量一样时,返回两个堆顶的平均值。
class MedianFinder {
public:
/** initialize your data structure here. */
priority_queue<int,vector<int>,greater<int>> min;//最小堆
priority_queue<int,vector<int>,less<int>> max;//最大堆
int minlen;
int maxlen;
MedianFinder() {
minlen = 0;
maxlen = 0;
}
void addNum(int num) {
if(minlen==0)
{
min.push(num);
minlen++;
return;
}else{
if(num<min.top())
{
max.push(num);
maxlen++;
}else{
min.push(num);
minlen++;
}
}
if(minlen-1>maxlen)
{
int temp = min.top();
min.pop();
max.push(temp);
minlen--;maxlen++;
}else if(maxlen-1>minlen)
{
int temp = max.top();
max.pop();
min.push(temp);
maxlen--;minlen++;
}
}
double findMedian() {
if(minlen!=maxlen)return minlen>maxlen?min.top():max.top();
return ((double)min.top()+(double)max.top())/double(2);
}
};
/**
* Your MedianFinder object will be instantiated and called as such:
* MedianFinder* obj = new MedianFinder();
* obj->addNum(num);
* double param_2 = obj->findMedian();
*/