数据流
数据的数量不定,也就是数组的长度不定,可以向数组中插入数字,能够o(1)得到中位数
我们知道使用堆或者快排思想可以得到无需数组中的中位数
如何o(1)得到中位数呢?
使用有序数组,每次插入维持一个有序数组o(n)的时间复杂度
如果能够每次拿到中位数就好了,不需要有序
因此可以使用堆
奇数长度,中位数直接是 sz/2
如果是偶数长度 则取 sz/2-1,sz/2
可以使用两个堆来分别存这些数
class MedianFinder {
public:
/** initialize your data structure here. */
//使用堆
vector<double> max;
vector<double> min;
//push_heap,pop_heap less greater
MedianFinder() {
}
void addNum(int num){
if((((max.size()+min.size()) & 1))==0)
{
//偶数时插入最小堆,但是要保证小顶堆中最小值 大于 最大堆中最大值
if(max.size()>0 && num < max[0]) //这个值比大顶堆中最大值小,说明不应该插到小顶堆,因为小顶堆所有值都比大顶堆中的大
{
//先把新值插入到大顶堆 将大顶堆的最大值取到小顶堆
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>()); //小顶堆
}
else //奇数
{
if(min.size()>0 && num > min[0]) //大值插入小顶堆
{
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 findMedian() {
int size = min.size() + max.size();
if(size==0) return -1;
if((size & 1 )== 1) //奇数
{
return min[0];
}
else
{
return (min[0]+max[0])/2;
}
}