LeetCode 295题：数据流的中位数（Python中堆的使用）

题目介绍

295. Find Median from Data Stream
中位数是一个有序数组中中间数的值。如果数组的长度为偶数，中位数就是中间两个数的均值。

解法

这道题的解法有多种，但是推荐的解法之一就是使用大小堆进行实现。思维过程如下：

1. 如果能够直接得到中位数，那么寻找中位数的操作的时间复杂度为O（1）
2. 如果能够找到一种合理的插入数据的方法，则数据增加带来的复杂度就会被控制到尽可能的小

符合以上要求的数据结构之一就是堆。

什么是堆

参考资料：

• 数据结构与算法(4)——优先队列和堆
• 堆和树有什么区别？堆为什么要叫堆，不叫树呢？

数据结构中的堆和内存中的堆现在已经不是指同一个东西了，至于为什么二者都叫堆，这就需要问干这件事的前辈了。数据结构中的堆是用树来描述的。想要有一个整体的关系大家可以看一下下面的图。

堆是一颗具有特定性质的二叉树，堆的基本要求就是堆中所有结点的值必须大于或等于（或小于或等于）其孩子结点的值，这也称为堆的性质；堆还有另一个性质，就是当 h > 0 时，所有叶子结点都处于第 h 或 h - 1 层（其中 h 为树的高度，完全二叉树），也就是说，堆应该是一颗完全二叉树。由此，堆在实现时可以利用数组实现，具有很高的效率。

Python中的堆

参考资料:heapq — Heap queue algorithm
Python中利用列表实现了最小堆，并且没有实现最大堆（为什么没有，作者给了解释，可以在这里查查）。但是对于数字，我们可以取反来简单的得到最大堆。
heapq的简单教程如下：

import heapq

#----------初始化----------------
# python中堆可以用列表初始化
hp = []
# 如果列表不为空
hp = heapq.heapify([1,5,3,4,6])

#----------插入元素----------------
heapq.heappush(hp, 4)
#----------取出元素----------------
element = heapq.heappop(hp)  # 该操作会将堆顶的元素删除
element = hp[0]  # 这种方式可以直接获取堆顶元素，不删除

最终代码以及解释

我们维护一个最大堆和最小堆。最小堆保存已有数据中最大的一半数据，最大堆保存已有数据中最小的一半，并且我们只允许最小堆的元素个数比最大堆个数多1或者相等。由此中间数据就是最小堆的堆顶元素或者两个堆顶元素的均值。具体代码如下：

import heapq
class MedianFinder:

    def __init__(self):
        """
        initialize your data structure here.
        """
        self.maxh = []
        self.minh = []
        self.length = 0

    def addNum(self, num: int) -> None:
        self.length += 1
        if self.length == 1:
            heapq.heappush(self.minh, num)
            return
        
        if num >= self.minh[0]:
            heapq.heappush(self.minh, num)
            if len(self.minh) > len(self.maxh) + 1:
                heapq.heappush(self.maxh, -heapq.heappop(self.minh))
        else:
            heapq.heappush(self.maxh, -num)
            if len(self.minh) < len(self.maxh):
                heapq.heappush(self.minh, -heapq.heappop(self.maxh))
        

    def findMedian(self) -> float:
        if self.length % 2:
            return self.minh[0]
        else:
            return (self.minh[0] + -self.maxh[0]) / 2
        


# Your MedianFinder object will be instantiated and called as such:
# obj = MedianFinder()
# obj.addNum(num)
# param_2 = obj.findMedian()