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?
题目链接:https://leetcode-cn.com/problems/find-median-from-data-stream/
思路
普通方法可以:插入后马上排序;插入时找位置插入。
比较好的方法是:分为2个堆,一个大顶堆,一个小顶堆,轮流插入,堆顶就是所求。
时间复杂度O(logn)。
class MedianFinder {
public:
/** initialize your data structure here. */
int cnt;
priority_queue<int> left;
priority_queue<int, vector<int>, greater<int>> right;
MedianFinder() {
cnt = 0;
}
void addNum(int num) {
if(cnt%2){
right.push(num);
}else{
left.push(num);
}
++cnt;
}
double findMedian() {
if(cnt<=0){
return 0;
}
if(cnt%2){
return left.top();
}
return (left.top()+right.top())/2.0;
}
};
/**
* Your MedianFinder object will be instantiated and called as such:
* MedianFinder* obj = new MedianFinder();
* obj->addNum(num);
* double param_2 = obj->findMedian();
*/