295. 数据流的中位数

题目描述

中位数是有序列表中间的数。如果列表长度是偶数，中位数则是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

addNum(1)
addNum(2)
findMedian() -> 1.5
addNum(3) 
findMedian() -> 2
进阶:

如果数据流中所有整数都在 0 到 100 范围内，你将如何优化你的算法？
如果数据流中 99% 的整数都在 0 到 100 范围内，你将如何优化你的算法？

 

思路

Push一个数，先放入大顶堆，然后比较大顶堆和小顶堆高度，维持其高度差为1。如果放进大顶堆的数比小顶堆堆顶元素要大，则交换大小堆顶元素。

 

代码

class MedianFinder {
public:
    /** initialize your data structure here. */
    MedianFinder() {
        
    }
    
    void addNum(int num) {
        max_heap.push(num);
        int maxSize = max_heap.size();
        int minSize = min_heap.size();
        
        if (maxSize - minSize > 1){
            min_heap.push(max_heap.top());
            max_heap.pop();
        }
        else{
            if (minSize != 0 && num > min_heap.top()){
                min_heap.push(num);
                max_heap.push(min_heap.top());
                max_heap.pop();
                min_heap.pop();
            }
        }
    }
    
    
    double findMedian() {
        int size = (min_heap.size() + max_heap.size()) % 2;
        return size == 0 ? (min_heap.top() + max_heap.top()) / 2.0 : max_heap.top();
    }
    
private:
    priority_queue<int, vector<int>, less<int>> max_heap;
    priority_queue<int, vector<int>, greater<int>> min_heap;
};

/**
 * Your MedianFinder object will be instantiated and called as such:
 * MedianFinder* obj = new MedianFinder();
 * obj->addNum(num);
 * double param_2 = obj->findMedian();
 */