剑指 Offer 41. 数据流中的中位数

题目链接: leetcode.

排序会超时

/*
16 / 18 个通过测试用例 
*/
class MedianFinder {
public:
    vector<int> _nums;
    /** initialize your data structure here. */
    MedianFinder() {
    	
    }
    
    void addNum(int num) {
    	_nums.push_back(num);
    	sort(_nums.begin(), _nums.end());
    }
    
    double findMedian() {
    	if(_nums.empty())
    		return 0.0;
    	int N = _nums.size();
    	double ans = 0;
    	if(N % 2 == 0)
    	{
    		ans += _nums[N / 2];
    		ans += _nums[(N / 2) - 1];
    		ans /= 2;
    	}
    	else
    	{
    		ans = _nums[N / 2];
    	}
    	return ans;
    } 
};

/**
 * Your MedianFinder object will be instantiated and called as such:
 * MedianFinder* obj = new MedianFinder();
 * obj->addNum(num);
 * double param_2 = obj->findMedian();
 */

官解表示可以用两个优先队列，小一半和大一半的数分开存

两个优先级队列：
1.用于存储较小一半数字的最大堆minn
2.用于存储较大一半数字的最小堆 maxx
即当堆完全平衡时，中间值可以从两个堆的顶部派生。否则，最大堆 minn 的顶部保留合法的中间值
——
添加一个数 num：
1.将 num 添加到最大堆 minn。因为 minn 收到了一个新元素，所以我们必须为 maxx 做一个平衡步骤。因此，从minn中移除最大的元素并将其提供给 maxx。
2.在上一个操作之后，最小堆 maxx 可能会比最大堆 minn保留更多的元素。我们通过从 maxx中去掉最小的元素并将其提供给 minn来解决这个问题。
——https://leetcode-cn.com/problems/find-median-from-data-stream/solution/shu-ju-liu-de-zhong-wei-shu-by-leetcode/

/*
执行用时：140 ms, 在所有 C++ 提交中击败了66.27%的用户
内存消耗：40.8 MB, 在所有 C++ 提交中击败了65.78%的用户
*/
class MedianFinder {
public:
    priority_queue<int> minn;
    priority_queue<int, vector<int>, greater<int> > maxx; 
    /** initialize your data structure here. */
    MedianFinder() {
    	
    }
    
    void addNum(int num) {
		minn.push(num);
		int tmp = minn.top();
		minn.pop();
		maxx.push(tmp);
		if(maxx.size() > minn.size())
		{
			tmp = maxx.top();
			maxx.pop();
			minn.push(tmp);
		}
    }
    
    double findMedian() {
    	if(_nums.empty())
    		return 0.0;
    	double ans = 0;
    	if(minn.size() == maxx.size())
    	{
    		ans += minn.top();
    		ans += maxx.top();
    		return ans/2;
    	}
    	ans = minn.top();
    	return ans;
    } 
};