这里用最大堆为例
建堆
vector<int> vec = {3,5,7,4,9,1,4,5,8};
make_heap(vec.begin(), vec.end(), greater<int>() );//1 3 4 4 5 7 9 5 8//greater用法和sort一样,greater指升序,这里指最小堆
make_heap(vec.begin(), vec.end());//9 8 7 5 5 1 4 3 4//默认参数是less构造最大堆
//当然,要是空堆就是一个空vector
调整堆
//对于插入,需要先push_back(此时堆性质被破坏),再调整push_heap(调整好)。
//也是按照正常的堆插入元素的步骤来的。
//9 8 7 5 5 1 4 3 4(最大堆)
vec.push_back(21);//9 8 7 5 5 1 4 3 4 21
push_heap(vec.begin(), vec.end(), less<int>() );//21 9 7 5 8 1 4 3 4 5
//弹出最大的元素,同堆的操作步骤,将最大元素调整到尾部,然后pop_back,堆性质保持
//21 9 7 5 8 1 4 3 4 5
pop_heap(vec.begin(), vec.end(), less<int>() );//9 8 7 5 5 1 4 3 4 21
vec.pop_back();//9 8 7 5 5 1 4 3 4
例题?
数据流的中位数
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。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。
//用两个堆达到插入O(lgn),查询O(n)的效果。
class Solution {
vector<int> maxHeap;
vector<int> minHeap;
public:
void Insert(int num){
if((minHeap.size()+maxHeap.size()) & 0x1){//保证两个堆的size差<=1,size和为奇数时插进minHeap
if(maxHeap.size()>0 && num<maxHeap[0]){//保证最小堆的数 都大于 最大堆。
maxHeap.push_back(num);
push_heap(maxHeap.begin(), maxHeap.end(), less<int>() );
num = maxHeap[0];
pop_heap(maxHeap.begin(), maxHeap.end(), less<int>() );
maxHeap.pop_back();
}
minHeap.push_back(num);
push_heap(minHeap.begin(), minHeap.end(), greater<int>() );
}else{
if(minHeap.size()>0 && num>minHeap[0]){
minHeap.push_back(num);
push_heap(minHeap.begin(), minHeap.end(), greater<int>() );
num = minHeap[0];
pop_heap(minHeap.begin(), minHeap.end(), greater<int>() );
minHeap.pop_back();
}
maxHeap.push_back(num);
push_heap(maxHeap.begin(), maxHeap.end(), less<int>() );
}
}
double GetMedian(){
int size = maxHeap.size() + minHeap.size();
if(size==0)
return 0;
double median = 0;
if(size & 0x1)
median = maxHeap[0];//因为第一个元素插最大堆,所以最大堆>=最小堆
else
median = (maxHeap[0]+minHeap[0])/2.0;
return median;
}
};