题目:
链接:剑指 Offer 41. 数据流中的中位数;LeetCode 295. 数据流的中位数
难度:困难
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。
优先队列:
本质是利用优先队列的底层实现,分别用一个小顶堆(小值优先)和一个大顶堆(大值优先)保存大于中位数的数和小于等于中位数的数,做到快速的插值和查询中位数(两个堆顶)。
对于优先队列的思路分析,详见力扣题解。
对于二叉堆的思路分析,详见labuladong题解。
代码:
class MedianFinder {
private:
priority_queue<int> small; // 大顶堆
priority_queue<int, vector<int>, greater<int>> large; // 小顶堆
public:
/** initialize your data structure here. */
MedianFinder() {
}
void addNum(int num) {
if(small.size() >= large.size()) {
small.emplace(num);
large.emplace(small.top());
small.pop();
}
else {
large.emplace(num);
small.emplace(large.top());
large.pop();
}
}
double findMedian() {
if(small.size() > large.size()) {
return small.top();
}
else if(large.size() > small.size()) {
return large.top();
}
return (small.top() + large.top()) / 2.0;
}
};
/**
* Your MedianFinder object will be instantiated and called as such:
* MedianFinder* obj = new MedianFinder();
* obj->addNum(num);
* double param_2 = obj->findMedian();
*/
时间复杂度:
- addNum:O(logN),根据二叉堆的性质可得
- findMedian:O(1),直接查询大顶堆和小顶堆的顶点
空间复杂度:O(N),为优先队列的开销。