寻找大数组中位数问题（一）

前言

之前在面试的时候，面试官非常喜欢问：你好，请问在一个很大的数组中怎样快速地找出它的中位数？

当时很迷惑，为什么面试官总喜欢找中位数？后来了解到快速排序算法的思想后，发现如果大概知道待排序数组中位数的大小（或者提前找出中位数），将在数量级上提高快速排序算法的效率，这个后面有空再讲。

如果你想先把数组排序，在找出中间那一个，那就。。。。

大家看到算法一定立刻想到时间复杂度和空间复杂度，这是基本的思维方式。我这里提供两个方法，

1. 方法一提供代码，可以现场给面试官手撕代码（这就直接发offer了）；
2. 方法二提供思路，只要你说出思路来，已经可以征服面试官了。

1.方法一

方法API：

//这里k任意取，如果k=strlen(s)/2,那么就是寻找中位数
char select(char *s, int k);

上面返回的是char，当然也可以为int.

利用快速排序算法的思想，使用切分法来缩小数组的范围。
这个方法能够在线性时间内解决寻找中位数的问题，神不神奇？

1.1第一步：切分

//将数组切分成s[lo .. i-1], s[i], s[i+1 .. hi];
int partition(char *s, int lo, int hi);

结果：它会将数组 s[lo] 到 s[hi] 重新排列，并返回一个整数j，使得：

1. s[lo ... j - 1] 小于等于s[j],但是s[lo ... j - 1] 内部并不有序;
2. s[j + 1 ... hi] 大于等于s[j]，但是s[j + 1 ... hi] 内部并不有序;
3. 返回整数j，下一次使用。

int partition(char *s, int lo, int hi) {
	//将数组切分成s[lo .. i-1], s[i], s[i+1 .. hi];
	int i = lo, j = hi + 1;
	char v = s[lo];//数组第一个元素，作为基准元素
	while (true) {
		//扫描左右元素，检查是否需要交换（大于基准元素 和 小于基准元素）
		while (s[++i] < v) { if (i == hi) { break; } }
		while (s[--j] > v) { if (j == lo) { break; } }
		if (i >= j) { break; }

		char temp = s[i];
		s[i] = s[j];
		s[j] = temp;
	}
	//将基准元素放回数组中正确的位置
	char temp = s[lo];
	s[lo] = s[j];
	s[j] = temp;

	//s[lo ..j - 1] <= s[j] <= s[j + 1 ..hi]
	return j;
}

1.2 第二步：寻找

//这里k任意取，如果k=strlen(s)/2,那么就是寻找中位数
char select(char *s, int k);

1. 如果k = j,问题就解决了；
2. 如果k < j,继续切分左子数组（令hi = j - 1）;
3. 如果k > j,继续切分右子数组（令lo = j + 1）;

char select(char *s, int k) {
	int lo = 0, hi = strlen(s) - 1;
	while (hi > lo) {
		int j = partition(s, lo, hi);
		if (j == k) { return s[k]; }
		else if (j > k) { hi = j - 1; }
		else if (j < k) { lo = j + 1; }
	}
	return s[k];
}

1.3 第三步：完整代码，举例分析

#include<string.h>
#include <stdio.h>
#include <time.h>

#define _CRT_SECURE_NO_DEPRECATE；
#define _CRT_SECURE_NO_WARNINGS；

int partition(char *s, int lo, int hi);
char select(char *s, int k);
int main()
{

	int start;
	start = clock();
	char s1[] = "abcfed";
	char s2[] = "bcadfe";
	char s3[] = "fshskbbsadasdaafsdgfgntyasfafasfahsfkasfapqipowejq1231nkdsk,1213";

	int k = 5;//这里k任意取，如果k=strlen(s)/2,那么就是寻找中位数
	char res = select(s1, k);

	printf("\n");
	printf("   ");
	printf("%c",res);
	printf("\n");

	getchar();
	//return 0;

}

char select(char *s, int k) {
	int lo = 0, hi = strlen(s) - 1;
	while (hi > lo) {
		int j = partition(s, lo, hi);
		if (j == k) { return s[k]; }
		else if (j > k) { hi = j - 1; }
		else if (j < k) { lo = j + 1; }
	}
	return s[k];
}

int partition(char *s, int lo, int hi) {
	//将数组切分成s[lo .. i-1], s[i], s[i+1 .. hi];
	int i = lo, j = hi + 1;
	char v = s[lo];//数组第一个元素，作为基准元素
	while (true) {
		//扫描左右元素，检查是否需要交换（大于基准元素 和 小于基准元素）
		while (s[++i] < v) { if (i == hi) { break; } }
		while (s[--j] > v) { if (j == lo) { break; } }
		if (i >= j) { break; }

		char temp = s[i];
		s[i] = s[j];
		s[j] = temp;
	}
	//将基准元素放回数组中正确的位置
	char temp = s[lo];
	s[lo] = s[j];
	s[j] = temp;

	//s[lo ..j - 1] <= s[j] <= s[j + 1 ..hi]
	return j;
}

1.4分析

1.假设每次都正好将数组二分，那么总比较次数为：$$N+\frac{N}{2}+\frac{N}{4}+\frac{N}{8}+...\approx 2N$$ 式中：N为数组大小。
2.如果$$k=\frac{N}{2}$$ ,那么这个代码就是找中位数，当然也可以找任意第几大（小）的数。

2.方法二

方法二也是基于切分的思想，我们想想，加入现在有100G的数据需要你找出中位数。不能依次放到内存中，你怎么办？

基本知识

1. 我们都知道，数据在硬盘中都是以二进制储存的，也就是11001011这样。
2. 从左到右依次是最高位到最低位（不考虑符号位），最左边位为1的肯定比最左边为0的大，（100000000000 >
   011111111111111）。

操作步骤

那么我们建立这样的桶，每进来一个数据，我们就放到相应的桶。

如下是取最高的两位，也就是4个桶：四个桶可以代表4个硬盘，内存里面的代码每次将进来的数分到4个桶里。计算每个桶里面数据的个数。初步确定中位数在哪一个桶里，再对那个桶进行一样的分法，是不是很简单。

思维拓展

当然，你也可以建立8个桶，这样步骤更少，也更快：

如果觉得好，请不要忘记点赞。