题目链接
题目描述
给你两个整数 m
和 k
,以及数据流形式的若干整数。你需要实现一个数据结构,计算这个数据流的 MK 平均值 。
MK 平均值 按照如下步骤计算:
如果数据流中的整数少于 m
个,MK 平均值 为 -1
,否则将数据流中最后 m
个元素拷贝到一个独立的容器中。
从这个容器中删除最小的 k
个数和最大的 k
个数。
计算剩余元素的平均值,并 向下取整到最近的整数 。
请你实现 MKAverage 类:
MKAverage(int m, int k)
用一个空的数据流和两个整数 m
和 k
初始化 MKAverage 对象。
void addElement(int num)
往数据流中插入一个新的元素 num
。
int calculateMKAverage()
对当前的数据流计算并返回 MK 平均数 ,结果需 向下取整到最近的整数 。
示例 1:
输入:
[“MKAverage”, “addElement”, “addElement”, “calculateMKAverage”, “addElement”, “calculateMKAverage”, “addElement”, “addElement”, “addElement”, “calculateMKAverage”]
[[3, 1], [3], [1], [], [10], [], [5], [5], [5], []]
输出:
[null, null, null, -1, null, 3, null, null, null, 5]
解释:
MKAverage obj = new MKAverage(3, 1);
obj.addElement(3); // 当前元素为 [3]
obj.addElement(1); // 当前元素为 [3,1]
obj.calculateMKAverage(); // 返回 -1 ,因为 m = 3 ,但数据流中只有 2 个元素
obj.addElement(10); // 当前元素为 [3,1,10]
obj.calculateMKAverage(); // 最后 3 个元素为 [3,1,10]
// 删除最小以及最大的 1 个元素后,容器为 [3]
// [3] 的平均值等于 3/1 = 3 ,故返回 3
obj.addElement(5); // 当前元素为 [3,1,10,5]
obj.addElement(5); // 当前元素为 [3,1,10,5,5]
obj.addElement(5); // 当前元素为 [3,1,10,5,5,5]
obj.calculateMKAverage(); // 最后 3 个元素为 [5,5,5]
// 删除最小以及最大的 1 个元素后,容器为 [5]
// [5] 的平均值等于 5/1 = 5 ,故返回 5
提示:
- 3 < = m < = 1 0 5 3 <= m <= 10^5 3<=m<=105
- 1 < = k ∗ 2 < m 1 <= k*2 < m 1<=k∗2<m
- 1 < = n u m < = 1 0 5 1 <= num <= 10^5 1<=num<=105
addElement
与calculateMKAverage
总操作次数不超过 1 0 5 10^5 105 次。
分析:
本题需要维护一个大小为 m
的队列,里面的元素都是最新的 m
个元素。此外我们还要设法快速求 队列中的元素除去 最大的k个元素 和 最小的k个元素 剩下元素和的平均值(向下取整)。
我们可以使用 两个树状数组 和 一个队列 维护这个数据结构。
树状数组可以看这篇博客:树状数组
- 一个队列
q
,里面只存放最新的m
个元素 - 一个树状数组
s
,存放插入元素的和 - 一个数组数组
cnt
,存放插入元素的次数
代码:
using LL = long long;
const int N = 1e5+10;
class MKAverage {
public:
//观察数据范围 ,记录元素和的 s 数组可能会爆int,所以使用 long long
//这里为了方便 统一使用 long long
LL cnt[N],s[N];
int k,m;
queue<int> q;
MKAverage(int m, int k) {
this->m = m;
this->k = k;
//将 cnt 和 s 数组都初始化为 0
memset(cnt,0,sizeof cnt);
memset(s,0,sizeof s);
}
//返回 x 的最低位的1
//比如 x = 10111100
//就返回 100 也即是4
int lowbit(int x){
return x & -x;
}
//添加一个元素
void add(LL c[],int idx,int x){
for(int i = idx;i <= N;i += lowbit(i)) c[i] += x;
}
//求 1 ~ idx 的前缀和
LL preSum(LL c[],int idx){
LL ans = 0;
for(LL i = idx;i;i -= lowbit(i)) ans += c[i];
return ans;
}
void addElement(int x) {
//插入元素x , s 记录插入元素的和,cnt 记录插入元素的次数 即每次加1
q.push(x);
add(s,x,x);
add(cnt,x,1);
//如果大于 m,就弹出头部的一个元素
if(q.size() > this->m){
int y = q.front();
//队列头出队
q.pop();
//如下操作相当于 在cnt 和 s 中删除这个y
add(s,y,-y);
add(cnt,y,-1);
}
}
LL getSum(int t){
int l = 1,r = N;
//用二分的方式快速找到 第一个前缀和(这里是元素的出现次数)大于等于 t 的元素
//换句话说 就是找到 前 t 个元素之和(元素从小到大排)
while(l < r){
int mid = (l + r) >> 1;
if(preSum(cnt,mid) >= t) r = mid;
else l = mid + 1;
}
//此时的 r 就是第一个 次数的前缀和 大于等于 t 的元素
//后面的一项 (preSum(cnt,r) - t) * 1LL * r,代表多余的元素
//例如 假设依次插入了 [2,4,4,4,5]的元素,此时t = 2
//所以我们要找第 2 个元素,也就是 r = 4
//但是此时的 preSum(s,4) 实际上等于 18,实际上是四个元素的前缀和
//因为 4 出现了三次 , 所以我们要减去多余的次数之和
//preSum(cnt,4) = 4
//preSum(cnt,4) - t(t = 2) = 2
//所以实际前 t 个元素之和应该为 preSum(s,4) - (preSum(cnt,4) - t)*4 = 6
//这里 *1LL 的原因是将其转为 long long 防止溢出
LL ans = preSum(s,r) - (preSum(cnt,r) - t) * 1LL * r;
return ans;
}
int calculateMKAverage() {
if(q.size() < m) return -1;
else{
//getSum(t) 即返回前 t 个数的和
//假设此时 m = 6, k = 2 q = [2,3,3,5,5,9]
//观察得 答案应该是中间两个数和的平均值
//sum = getSum(4) - getSum(2) = 3 + 5 = 8;
//所以答案 ans = sum / (6 - 2 * 2) = 4
LL ans = (getSum(m - k) - getSum(k)) / (m - 2 * k);
return ans;
}
}
};
/**
* Your MKAverage object will be instantiated and called as such:
* MKAverage* obj = new MKAverage(m, k);
* obj->addElement(num);
* int param_2 = obj->calculateMKAverage();
*/