41.数据流中的中位数
题目: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。
我们使用Insert()方法读取数据流,使用GetMedian()方法获取当前读取数据的中位数。
思路:
数据结构 插入的时间复杂度 得到中位数的时间复杂度
没有排序的数组 O(1) O(n)
排序的数组 O(n) O(1)
排序的链表 O(n) O(1)
二叉搜索树 平均O(logn),最差O(n) 平均O(logn),最差O(n)
AVL树 O(logn) O(1)
最大堆和最小堆 O(logn) O(1)
#include<iostream>
#include<vector>
using namespace std;
template<typename T>class DynamicArray{
public:
void Insert(T num){
//当min和max都为null时
if(((min.size()+max.size())&1)==0){
//对max判空处理 如果新插入的数小于max第0个数
if(max.size()>0&&num<max[0]){
//把这个数插入
max.push_back(num);
//维护一个最大堆
push_heap(max.begin(),max.end(),less<T>());
//获取堆顶元素
num=max[0];
//把元素出堆 再维护这个最大堆
pop_heap(max.begin(),max.end(),less<T>());
//把这个数出max
max.pop_back();
//把max[0]给最小堆
min.push_back(num);
//维护最小堆
push_heap(min.begin(),min.end(),greater<T>());
}
//当新插入的元素大于等于max[0]的元素时,把这个元素插入最小堆
else{
//插入最小堆
min.push_back(num);
//维护最小堆
push_heap(min.begin(),min.end(),greater<T>());
}
}
//当min和max至少有一个不为null时
else{
//堆min进行判空处理 如果新插入的元素大于min[0]时 直接插入最小堆
if(min.size()>0&&min[0]<num){
min.push_back(num);
push_heap(min.begin(),min.end(),greater<T>());
num=min[0];
pop_heap(min.begin(),min.end(),greater<T>());
min.pop_back();
//把min[0]元素给最大堆
max.push_back(num);
//维护最大堆
push_heap(max.begin(),max.end(),less<T>());
}
//如果新插入的元素小于等于min[0]时 直接插入最大堆
else{
max.push_back(num);
push_heap(max.begin(),max.end(),less<T>());
}
}
}
T GetMedian(){
int size=min.size()+max.size();
if(size==0)
throw exception("No numbers are available");
T median=0;
if((size&1)==1)
median=min[0];
else
median=(min[0]+max[0])/2;
return median;
}
private:
vector<T> min;
vector<T> max;
}