剑指Offer41.数据流中的中位数

• 剑指Offer41.数据流中的中位数
• 题目：
  随着数据流的不断addNum，随时求截止到目前为止数据流的中位数findMedian；
  数据流相当于一个int数组；
• 思路：
  中位数：排序数组的中间位置的数；

1.时刻维护一个排序数组：O(n)：添加操作O(n)，查找操作O(1)，O(n)：一个大小为n的数组

class MedianFinder {
private:
    vector<int> v;
public:
    /** initialize your data structure here. */
    MedianFinder() {}
    
    void addNum(int num) {//添加元素：O(n)
        if (v.empty()) v.push_back(num);
        auto ite = lower_bound(v.begin(), v.end(), num);//lower_bound：二分O(logn)
        else v.insert(ite, num);//insert:最坏为O(n)
    }
    
    double findMedian() {//求中位数：O(1)
        int n = v.size();
        if (n & 1) return v[n / 2];
        else return (v[n / 2] + v[n / 2 - 1]) / 2.0;
    }
};

2.一个大顶堆，一个小顶堆：添加数字O(logn)，查找中位数O(1)，空间O(n)：数据流中的n个数放在两个堆里
规则：
①大顶堆始终放排序数组的小的一半，小顶堆始终放排序数组大的一半；
②如果数组长度为奇，则规定多出来的那个放大顶堆；
③findMedian求中位数时，若为奇就返回大顶堆的堆顶，若为偶，就返回两个堆顶的平均值；

class MedianFinder {
private:
    priority_queue<int> big;
    priority_queue<int, vector<int>, greater<int>> small;
public:
    /** initialize your data structure here. */
    MedianFinder() {}
    
    void addNum(int num) {//添加元素：O(logn)
        //我们始终保持两堆元素相等，或者big多一个
        if (big.size() == small.size()) big.push(num);
        else small.push(num);

        //新添加的元素num可能破坏big放较小的一半，small放较大的一半这个规则，需要交换堆顶元素
        if (big.size() && small.size() && big.top() > small.top()) {
            int btop = big.top(), stop = small.top();
            big.pop(), small.pop();
            big.push(stop), small.push(btop);
        }
    }
    
    double findMedian() {//求中位数：O(1)
        if ((big.size() + small.size()) & 1) return big.top();//我们规定多的那个放big
        else return (big.top() + small.top()) / 2.0;//偶数则取中间两个数的平均值
    }
};