剑指offer41. 数据流中的中位数 P214

剑指offer41. 数据流中的中位数 P214

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

首先，题目说一个数据流，就证明可能不能一次读入内存（我们这里用一个数组模拟输入流）

如果将数组从中间一分为二，中间的一个（len是奇数）或者两个元素（len是偶数）左边都比他们小，右边都比他们大，前后两半部分不用排序，只用划分出来就行。那么最后在中间的就是中位数。
左半部分是最大堆，右边是最小堆。

这个想法是使用两个堆（一个最大堆，一个最小堆）保存输入数据。
max_pq是一个大堆，以较小的值保存数据的前半部分，而min_pq是最小堆，以较大的值保存数据的后半个。 每次插入新值时，我们都会先比较它是否小于max_pq的顶部（前一半的最大值），如果是，则将其插入max_pq。 否则，它属于下半部分。 插入后，我们必须平衡前半部分和后半部分，以确保它们具有相同的长度或长度差仅为1,否则最后两个堆顶的元素不在最中间。

priority_queue <int> max_pq; //最大堆，其中最大元素堆顶也小于最小堆中任一元素
priority_queue <int, vector<int>, greater<int> > min_pq;  // 最小堆，堆顶最小

bool isAnsValid = false;// 返回0.0时有效与否

void addHeap(int num) { // 插入节点
	if (max_pq.empty() || num < max_pq.top()) {    // 先插入最大堆
		max_pq.push(num);
	}
	else {                                // 当前值比最大堆顶还大，插入最小堆
		min_pq.push(num);
	}
	if (min_pq.size() > max_pq.size() + 1) {  // 最小堆元素个数比最大的超过1，调整
		int temp = min_pq.top();
		min_pq.pop();
		max_pq.push(temp);
	}
	else if (max_pq.size() > min_pq.size() + 1) {  // 同理
		int temp = max_pq.top();
		max_pq.pop();
		min_pq.push(temp);
	}
}
double findCore() {  // 找中位数
	if (!max_pq.empty()) {
		isAnsValid = true;                        // 返回值有效
		if (max_pq.size() == min_pq.size()) {        // len偶数，取均值
			return (max_pq.top() + min_pq.top()) / 2.0;
		} else {                               // len奇数，取堆顶
			return (max_pq.size() > min_pq.size()) ? max_pq.top() : min_pq.top();
		}
	}
	else 0.0; // 失败
}

double findMidInList(int *nums, int len) {
	if (nums == NULL || len < 1)
		return 0.0;	
	while (!max_pq.empty()) max_pq.pop();   // 清空堆
	while (!min_pq.empty()) min_pq.pop();
	for (int i = 0; i < len; ++i){      // 建堆
		addHeap(nums[i]);
	}
	return findCore();
}

扩展
优先队列（堆）
头文件：#include< queue >
大根堆定义：priority_queue< int >pq
小根堆定义：priority_queue< int ,vector< int >,greater< int > >pq
（注意最后两个“>”符号不要连在一起，否则很多编译器误认为是‘>>’运算符）

操作：
push() 元素入队 pop() 队首元素出队 top() 取队首元素
empty() 如果队列为空，则返回true（1），否则返回false（0）
size() 返回优先队列中拥有的元素个数