中位数是有序列表中间的数。如果列表长度是偶数,中位数则是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:
addNum(1)
addNum(2)
findMedian() -> 1.5
addNum(3)
findMedian() -> 2
中位数是有序列表中间的数。如果列表长度是偶数,中位数则是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
方法1:用vector存储数据,取中位数之前先对vector中的数据排序
方法二:动态维护一个最大堆和一个最小堆,两个堆都存储一般的数据,维持最大堆的堆顶比最小堆的堆定小
当两个堆的长度相同时,中位数为两个堆顶的平均值
当最大堆的长度比最小堆大1时,中位数为最大堆堆顶
当最大堆的长度比最小堆小1时,中位数为最小堆堆顶
添加元素时调整堆的情况有三种:
1)当两个堆的元素个数相同时:
如果新元素大于最大堆的堆顶,将新元素加入最小堆,如果新元素小于最大堆堆顶,将其加入最大堆
2)当 最大堆的元素个数比最小堆多1时:
如果新元素小于最大堆堆顶, 将最大堆堆顶push进入最小堆,然后将新元素加入最大堆
如果新元素大于最大堆堆顶,则新元素直接加入最小堆
3)当最大堆元素的个数比最小堆元素个数少1时
如果新元素小于最小堆堆顶,则直接加入最大堆
如果新元素大于最小堆堆顶, 将最小堆堆顶push到最大堆,然后将新元素push到最小堆
#include<iostream>
#include<queue>
#include<vector>
using namespace std;
class MedianFinder {
public:
MedianFinder() {
}
void addNum(int num) {
if(big_queue.empty()) {
big_queue.push(num);
return;
}
if(big_queue.size() == small_queue.size()) {
if(num > big_queue.top()) {
small_queue.push(num);
}
else {
big_queue.push(num);
}
}
else if(big_queue.size() > small_queue.size()) {
if(num > big_queue.top()) {
small_queue.push(num);
}
else {
small_queue.push(big_queue.top());
big_queue.pop();
big_queue.push(num);
}
}
else if(big_queue.size() < small_queue.size()) {
if(num < small_queue.top()) {
big_queue.push(num);
}
else {
big_queue.push(small_queue.top());
small_queue.pop();
small_queue.push(num);
}
}
}
double findMedian() {
if(big_queue.size() == small_queue.size()) {
return (big_queue.top() + small_queue.top()) / 2.0;
}
else if(big_queue.size() < small_queue.size()) {
return small_queue.top();
}
else {
return big_queue.top();
}
}
priority_queue <int,vector<int>,greater<int> > small_queue;
priority_queue <int,vector<int>,less<int> > big_queue;
};
int main(void) {
MedianFinder M;
int test[] = {6,10,1,7,99,4,33};
for(int i = 0; i < 7; i++) {
M.addNum(test[i]);
cout<<M.findMedian()<<endl;
}
return 0;
}