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
解题思路:需要中位数,我们考虑用两个优先级对立列,将数据流中的数进行分成两半,一般为数据流中偏小数,一半为数据流中偏大的数 比如 数据流为 1 6 8 5 4 9 那么分成的两半就为 1 4 5 和 6 8 9 将偏小的这一段放在一个大根堆,选出最大的值(5) ,偏大的一段放在小根堆,选出最小值(6),这里大根堆和小根堆里面的数目相同,中位数就是(5+6)/2 ,我们在实现的过程中,始终让大根堆的元素个数大于小根堆,这样,如果数据流中是单数的话,就可以直接取出小根堆的值了
具体为 先放大根堆,如果大根堆个数比小根堆的个数超过2,就将大根堆的顶值扔到小根堆;如果个数不超过2,就看大根堆的顶值是否大于小根堆的顶值,如果大于,就交换两个堆的顶值
代码实现为
class MedianFinder {
public:
/** initialize your data structure here. */
MedianFinder() {
}
void addNum(int num) {
big.push(num);
//就简单的将big认为是左边,small认定为右边
//这样做的原因是左部分只可能比右部分多一个
if(big.size()-small.size()>1)
{
small.push(big.top());
big.pop();
}
if(small.size()>0&&big.top()>small.top())
{
//交换两个的头部
small.push(big.top());
big.push(small.top());
big.pop();
small.pop();
}
}
double findMedian() {
if(small.size()==big.size())
return (double)(small.top() + big.top()) / 2;
else
//因为big一定多于small
return big.top();
}
private:
priority_queue<int, vector<int>, greater<int>> small;
priority_queue<int> big;
};
/**
* Your MedianFinder object will be instantiated and called as such:
* MedianFinder obj = new MedianFinder();
* obj.addNum(num);
* double param_2 = obj.findMedian();
*/