295. Find Median from Data Stream&数据流中的中位数

题目描述

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。

解答

　　如上图所示，如果数据在容器中已经排序，那么中位数可以由和指向的数得到。如果容器中数据的个数是奇数，那么和 指向同一个数据。
　　注意到，整个容器被分隔成了两部分。位于容器左边部分的数据比右边的数据小。另外 指向的是左边的最大数据， 指向的是右边部分最小的数。
　　如果能够保证数据容器左边的数据都小于右边的数据，这样即使左右两边内部的数据没有排序，也可以根据左边最大的数和右边最小的数得到中位数。用最大推可以快速的从一个数据容器中找出最大数，最小堆可以快速的从一个数据容器中找出最小的数。
　　用一个最大堆实现左边的数据容器，用最小堆实现右边的数据容器。
　　首先，要保证数据平均分配到两个堆中。为了实现平均分配，可以在数据的总数目是偶数时把新数据插入到最小堆，否则插入到最大堆中。
　　还要保证最大堆中的数据都要小于最小堆中的数据。如果当前数据的总数目是偶数，也就是要插入最小堆，但是它比最大堆中的一些数还要小。此时，先将这个数插入到最大堆中，然后把最大堆中最大的数取出，插入到最小堆中。如果当前数据的总数目是奇数，也就是要插入最大堆，但是它比最小堆中的一些数还要大。此时，先将这个数插入到最小堆中，然后把最小堆中最小的数取出，插入到最大堆中。
　　基于STL中的函数push_heap()，pop_heap()来实现堆。使用仿函数less和greater分别用来实现最大堆和最小堆。
　　

class Solution {
public:
    void Insert(int num)
    {
        if(((min.size() + max.size()) & 0x1) == 0)
        {
            if(!max.empty() && num<max[0])
            {
                max.push_back(num);
                push_heap(max.begin(),max.end(),less<int>());

                num = max[0];
                pop_heap(max.begin(),max.end(),less<int>());
                max.pop_back();
            }
            min.push_back(num);
            push_heap(min.begin(),min.end(),greater<int>());

        }
        else
        {
            if(!min.empty() && num>min[0])
            {
                min.push_back(num);
                push_heap(min.begin(),min.end(),greater<int>());

                num = min[0];
                pop_heap(min.begin(),min.end(),greater<int>());
                min.pop_back();
            }
            max.push_back(num);
            push_heap(max.begin(),max.end(),less<int>());
        }

    }

    double GetMedian()
    { 
        int size = min.size() + max.size();


        double median = 0;
        if((size&0x1) == 1)
            median = min[0];
        else
            median = (min[0]+max[0])/2;

        return median;
    }

    vector<double> min;
    vector<double> max;

};