剑指 Offer 41. 数据流中的中位数

最新推荐文章于 2022-05-07 08:50:10 发布

one_zero_one

最新推荐文章于 2022-05-07 08:50:10 发布

阅读量83

点赞数

分类专栏：剑指offer

本文链接：https://blog.csdn.net/one_zero_one/article/details/119655621

版权

剑指offer 专栏收录该内容

56 篇文章 0 订阅

订阅专栏

本文介绍了一种设计数据结构来处理数据流中中位数的方法。通过维护两个堆，一个最大堆和一个最小堆，可以有效地添加新数值并实时计算中位数。当两个堆大小相等时，中位数为两堆顶元素的平均值；否则，中位数为较小堆的堆顶元素。示例展示了如何使用这个数据结构进行添加数值和查找中位数的操作。

摘要由CSDN通过智能技术生成

难度困难167

如何得到一个数据流中的中位数？如果从数据流中读出奇数个数值，那么中位数就是所有数值排序之后位于中间的数值。如果从数据流中读出偶数个数值，那么中位数就是所有数值排序之后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 1：

输入：
["MedianFinder","addNum","addNum","findMedian","addNum","findMedian"]
[[],[1],[2],[],[3],[]]
输出：[null,null,null,1.50000,null,2.00000]

class MedianFinder:

    def __init__(self):
        """
        initialize your data structure here.
        """
        
        self.maxheap=[] #放最小的元素
        self.minheap=[] #放最大的元素


    def addNum(self, num: int) -> None:
        #使数据平均放入两个堆中，若多余一个，则放入minheap元素
        #1.将新元素加入到maxheap，2，将maxheap的堆顶元素加入到minheap，#python默认最小堆，要实现最大堆元素取反
        if len(self.maxheap)==len(self.minheap):
            heappush(self.minheap,-heappushpop(self.maxheap,-num))
        else:
            heappush(self.maxheap,-heappushpop(self.minheap,num))


    def findMedian(self) -> float:
        if len(self.minheap)==len(self.maxheap):
            return (self.minheap[0]-self.maxheap[0])/2.0
        else:
            return self.minheap[0]



# Your MedianFinder object will be instantiated and called as such:
# obj = MedianFinder()
# obj.addNum(num)
# param_2 = obj.findMedian()