LeetCode-热题100：295. 数据流的中位数

题目描述

中位数是有序整数列表中的中间值。如果列表的大小是偶数，则没有中间值，中位数是两个中间值的平均值。

例如 arr = [2,3,4] 的中位数是 3 。
例如 arr = [2,3] 的中位数是 (2 + 3) / 2 = 2.5 。
实现 MedianFinder 类:

• MedianFinder() 初始化 MedianFinder 对象。
• void addNum(int num) 将数据流中的整数 num 添加到数据结构中。
• double findMedian() 返回到目前为止所有元素的中位数。与实际答案相差 10-5 以内的答案将被接受。

示例 1：

输入
[“MedianFinder”, “addNum”, “addNum”, “findMedian”, “addNum”, “findMedian”]
[[], [1], [2], [], [3], []]

输出
[null, null, null, 1.5, null, 2.0]

解释
MedianFinder medianFinder = new MedianFinder();
medianFinder.addNum(1); // arr = [1]
medianFinder.addNum(2); // arr = [1, 2]
medianFinder.findMedian(); // 返回 1.5 ((1 + 2) / 2)
medianFinder.addNum(3); // arr[1, 2, 3]
medianFinder.findMedian(); // return 2.0

提示:

• -10⁵ <= num <= 10⁵
• 在调用 findMedian 之前，数据结构中至少有一个元素
• 最多 5 * 10⁴ 次调用 addNum 和 findMedian

代码及注释

import (
	"container/heap"
	"sort"
)

// 定义 MedianFinder 结构体
type MedianFinder struct {
    queMin, queMax hp  // 两个堆
}

// MedianFinder 的构造函数
func Constructor() MedianFinder {
    return MedianFinder{}
}

// 添加数字到 MedianFinder 结构体中
func (mf *MedianFinder) AddNum(num int) {
    minQ, maxQ := &mf.queMin, &mf.queMax  // 定义两个指针，分别指向 queMin 和 queMax

    // 如果 minQ 是空的，或者 num 比 minQ 的最小值还小
    if minQ.Len() == 0 || num <= -minQ.IntSlice[0] {
        heap.Push(minQ, -num)  // 将 -num 推入 minQ 堆
        // 如果 maxQ 的长度比 minQ 小1，将 minQ 的最小值推入 maxQ
        if maxQ.Len()+1 < minQ.Len() {
            heap.Push(maxQ, -heap.Pop(minQ).(int))
        }
    } else {
        heap.Push(maxQ, num)  // 将 num 推入 maxQ 堆
        // 如果 maxQ 的长度大于 minQ，将 maxQ 的最大值推入 minQ
        if maxQ.Len() > minQ.Len() {
            heap.Push(minQ, -heap.Pop(maxQ).(int))
        }
    }
}

// 查找中位数
func (mf *MedianFinder) FindMedian() float64 {
    minQ, maxQ := mf.queMin, mf.queMax
    // 如果 minQ 的长度大于 maxQ，返回 minQ 的最小值
    if minQ.Len() > maxQ.Len() {
        return float64(-minQ.IntSlice[0])
    }
    // 否则，返回 maxQ 和 minQ 的中间值
    return float64(maxQ.IntSlice[0]-minQ.IntSlice[0]) / 2
}

// 定义 hp 结构体，继承 sort.IntSlice
type hp struct{ sort.IntSlice }

// Push 方法，将元素推入 hp 堆
func (h *hp) Push(v interface{}) {
    h.IntSlice = append(h.IntSlice, v.(int))
}

// Pop 方法，从 hp 堆中弹出元素
func (h *hp) Pop() interface{} {
    a := h.IntSlice
    v := a[len(a)-1]
    h.IntSlice = a[:len(a)-1]
    return v
}

/**
 * Your MedianFinder object will be instantiated and called as such:
 * obj := Constructor();
 * obj.AddNum(num);
 * param_2 := obj.FindMedian();
 */

代码解释

1. 结构体定义:

type MedianFinder struct {
    queMin, queMax hp
}

定义了一个 MedianFinder 结构体，其中包含两个堆 queMin 和 queMax。

2. 初始化:

func Constructor() MedianFinder {
    return MedianFinder{}
}

初始化 MedianFinder 结构体。

3. 添加数字到数据结构中:

func (mf *MedianFinder) AddNum(num int) {
    minQ, maxQ := &mf.queMin, &mf.queMax
    if minQ.Len() == 0 || num <= -minQ.IntSlice[0] {
        heap.Push(minQ, -num)
        if maxQ.Len()+1 < minQ.Len() {
            heap.Push(maxQ, -heap.Pop(minQ).(int))
        }
    } else {
        heap.Push(maxQ, num)
        if maxQ.Len() > minQ.Len() {
            heap.Push(minQ, -heap.Pop(maxQ).(int))
        }
    }
}

• 如果 minQ 为空或者 num 小于等于 minQ 的最大值，则将 -num 添加到 minQ 中。
• 否则，将 num 添加到 maxQ 中。
• 为了保持 minQ 的大小始终大于或等于 maxQ 的大小，我们在添加元素后调整两个堆。

4. 查找中位数:

func (mf *MedianFinder) FindMedian() float64 {
    minQ, maxQ := mf.queMin, mf.queMax
    if minQ.Len() > maxQ.Len() {
        return float64(-minQ.IntSlice[0])
    }
    return float64(maxQ.IntSlice[0]-minQ.IntSlice[0]) / 2
}

• 如果 minQ 的大小大于 maxQ，则中位数是 -minQ 的最大值。
• 否则，中位数是 (maxQ 的最小值 - minQ 的最大值) / 2。

5. 堆的定义:

type hp struct{ sort.IntSlice }
func (h *hp) Push(v interface{}) { h.IntSlice = append(h.IntSlice, v.(int)) }
func (h *hp) Pop() interface{}   { a := h.IntSlice; v := a[len(a)-1]; h.IntSlice = a[:len(a)-1]; return v }

定义了一个堆 hp，这个堆基于 sort.IntSlice 实现，同时提供了 Push 和 Pop 方法。