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。我们使用Insert()方法读取数据流,使用GetMedian()方法获取当前读取数据的中位数。
/*
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。
对于数据流,对应的就是在线算法了,一道很经典的题目就是在1亿个数中找到最大的前100个数,这是一道堆应用题,找最大的前100个数,那么我们就创建一个大小为100的最小化堆,每来一个元素就与堆顶元素比较,因为堆顶元素是目前前100大数中的最小数,前来的元素如果比该元素大,那么就把原来的堆顶替换掉。
那么对于这一道题呢?如果单纯的把所有元素放到一个数组里,每次查找中位数最快也要O(n),综合下来是O(n^2)的复杂度。我们可以利用上面例子中的想法,用一个最大堆来维护当前前n/2小的元素,那么每次找中位数只到取出堆顶就可以了。但是,有一个问题,数据要动态增长,有可能之前被替换掉的元素随着元素的增加又跑回来了,所以我们不能单纯得向上题一样把元素丢掉,我们可以再用一个最小化堆来存前n/2大的元素。
*/
class Solution {
private:
vector<int> min; //数组中的后一半元素组成一个最小化堆
vector<int> max; //数组中的前一半元素组成一个最大化堆
public:
void Insert(int num)
{
if(((min.size()+max.size()) & 1) == 0)
{ //偶数数据的情况下,则在最小堆中插入元素
if(max.size() > 0 && num < max[0])
{
max.push_back(num);
push_heap(max.begin(), max.end(), less<int>());
num=max[0];
pop_heap(max.begin(), max.end(), less<int>());
max.pop_back();
}
min.push_back(num); //把前一半找到的最大值放到后一半中
push_heap(min.begin(), min.end(), greater<int>());
} else
{
if(min.size() > 0 && num > min[0])
{ //奇数数据的情况下,则在最大堆中插入元素
min.push_back(num);
push_heap(min.begin(), min.end(), greater<int>()); num=min[0];
pop_heap(min.begin(), min.end(), greater<int>());
min.pop_back();
}
max.push_back(num); //把后一半找到的最大值放到前一半中
push_heap(max.begin(), max.end(), less<int>());
}
}
double GetMedian()
{
int size=min.size() + max.size();
if(size==0) return -1;
double median = 0;
if((size&1) != 0)
{
median = (double) min[0];
}
else
{
median = (double) (max[0] + min[0]) / 2;
}
return median;
}
};