- 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
}
};