LeetCodeDifficult-【面试题41. 数据流中的中位数】

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、findMedia进行 50000 次调用。

注意：本题与主站 295 题相同：https://leetcode-cn.com/problems/find-median-from-data-stream/

来源：力扣（LeetCode）
链接：https://leetcode-cn.com/problems/shu-ju-liu-zhong-de-zhong-wei-shu-lcof
著作权归领扣网络所有。商业转载请联系官方授权，非商业转载请注明出处。

思路1：二分查找

找中位数就是需要找排序好的list中的中位数，那么就需要对list排序，在每次插入数据后，应该保证list有序，对于一个有序的list,我们插入一个数据的时间复杂度可以为O(n)。包括：二分查找的合适的位置 O(logn），移动数据并插入O(n)。
找中位数就比较简单，分一下奇偶数就行。

class MedianFinder:

    def __init__(self):
        """
        initialize your data structure here.
        """
        self.nums = []

    def addNum(self, num: int) -> None:
        if self.nums == []:
            self.nums.append(num)
            return 
        def find(l, r, num):
            # 查找第一个不小于num的数的位置
            while l <= r:
                mid = (l + r) // 2 
                if self.nums[mid] < num:
                    l = mid + 1
                else:
                    r = mid - 1
            return l
        x = find(0, len(self.nums) - 1, num)
        # print(self.nums, num, x)
        self.nums = self.nums[0:x] + [num] + self.nums[x:]

    def findMedian(self) -> float:
        length = len(self.nums)
        if length & 1 == 0:
            return (self.nums[length // 2 - 1] + self.nums[length // 2]) / 2
        else:
            return self.nums[length // 2]


# Your MedianFinder object will be instantiated and called as such:
# obj = MedianFinder()
# obj.addNum(num)
# param_2 = obj.findMedian()

思路2：大根堆、小根堆

注意思考下，为什么每次打算加入一个堆的数据，必须先放入另一个堆，在弹出该堆的堆顶元素加入预加入的堆中。

class MedianFinder:

    def __init__(self):
        """
        initialize your data structure here.
        """
        self.A = []  # 大根堆, 存储较小部分，即排序好后的前部分（默认是小根堆，实现大根堆，只需要把数字全部取反就行了）
        self.B = []  # 小根堆，存储较大部分，即排序好后的后部分

    def addNum(self, num: int) -> None:
        if len(self.A) == len(self.B):
            # heapq.heappush(self.B, num)  # 先放入B，得到B的最小值，再放入A中，保证A中的多一个数
            # heapq.heappush(self.A, -heapq.heappop(self.B))
            # 以上两步可以合并为一步：
            heapq.heappush(self.A, -heapq.heappushpop(self.B, num))
        else:
            # heapq.heappush(self.A, -num)  # 先放入A，得到A的最大值的相反数，再放入B中
            # heapq.heappush(self.B, -heapq.heappop(self.A))
            # 以上两步可以合并为一步：
            heapq.heappush(self.B, -heapq.heappushpop(self.A, -num))
        # print(self.A, self.B)
    def findMedian(self) -> float:
        if len(self.A) == len(self.B):
            return (-self.A[0] + self.B[0]) / 2
        else:
            return -self.A[0]

# Your MedianFinder object will be instantiated and called as such:
# obj = MedianFinder()
# obj.addNum(num)
# param_2 = obj.findMedian()