剑指 Offer 41. 数据流中的中位数(C++)大顶堆+小顶堆

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]

示例 2：

输入：
["MedianFinder","addNum","findMedian","addNum","findMedian"]
[[],[2],[],[3],[]]
输出：[null,null,2.00000,null,2.50000]

限制：

最多会对 addNum、findMedian 进行 50000 次调用。

解题思路

class MedianFinder {
public:
    // 最大堆，存储左边一半的数据，堆顶为最大值
    priority_queue<int, vector<int>, less<int>> maxHeap;
    // 最小堆， 存储右边一半的数据，堆顶为最小值
    priority_queue<int, vector<int>, greater<int>> minHeap;
    /** initialize your data structure here. */
    MedianFinder() {
    }

    // 维持堆数据平衡，并保证左边堆的最大值小于或等于右边堆的最小值
    //从左往右增大的顺序
    void addNum(int num) {
        /*
         * 当两堆的数据个数相等时候，左边堆添加元素。
         * 采用的方法不是直接将数据插入左边堆，而是将数据先插入右边堆，算法调整后
         * 将堆顶的数据插入到左边堆，这样保证左边堆插入的元素始终是右边堆的最小值。
         * 同理左边数据多，往右边堆添加数据的时候，先将数据放入左边堆，选出最大值放到右边堆中。
         */

		//* 当两堆的数据个数相等时候，左边堆添加元素。
        if (maxHeap.size() == minHeap.size()) {
            minHeap.push(num);//加入右侧为了保证排序
            int top = minHeap.top();//取出小堆顶最小值
            minHeap.pop();
            maxHeap.push(top);//将小顶堆的最小值加入大顶堆
        } else {//当maxHeap.size() > minHeap.size()
            maxHeap.push(num);//加入左侧为了保证排序
            int top = maxHeap.top();//取大顶堆最大值
            maxHeap.pop();//弹出大顶堆最大值
            minHeap.push(top);//刚才的大顶堆最大值加入小顶堆
        }
    }
    
    double findMedian() {
        if (maxHeap.size() == minHeap.size()) {
            return (maxHeap.top()+minHeap.top())*1.0/2;
        } else {//假如总数是奇数，默认大顶堆的元素比小顶堆多一个，因此是大顶堆的顶
            return maxHeap.top()*1.0;//*1.0为了转换成浮点型
        }
    }
};

复杂度分析：

时间复杂度：
查找中位数 O(1)： 获取堆顶元素使用 O(1) 时间；
添加数字 O(log N) ： 堆的插入和弹出操作使用O(log N) 时间。
空间复杂度 O(N) ： 其中 N 为数据流中的元素数量，小顶堆 A 和大顶堆 B 最多同时保存 N个元素。