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。