java 众数 中位数_中位数和众数

列举一些中位数和众数的常见问题和解法

1. 众数

一个长度为$N$的列表，出现次数大于$\left \lfloor N/2 \right \rfloor$的数为这个列表的众数。

1.1 摩尔投票算法

摩尔投票算法(Boyer-Moore majority vote algorithm)的思路类似一个大乱斗，遇到不相同的数就抵消掉。维护两个变量：major和count，major是众数的可能值，count是这个数的得分，初值都是0，顺序遍历整个列表，通过下面的条件修改major和count。

如果众数存在，程序结束的时候major就是众数。从算法里面可以看出，不想等的数之间是存在竞争关系的，相等的数则没有。我们将一个列表(例如$[1,2,1,2,1,3,1]$)分成两个组，众数一组($[1,1,1,1]$)，其他的数是一组($[2,2,3]$)，那众数这一组由于数值一样，只和另一组数存在竞争关系，而另一组数不仅和众数这一组有竞争关系，组内也会由于数值不等存在竞争关系，最终一定不会在乱斗中存活下来，所以如果众数存在，最终的major只可能是众数。但是要注意，这是在众数存在的情况下，如果众数不一定存在，则还需要对算法筛选出来的结果进行计数验证。算法模版如下，时间复杂度$O(n)$，空间复杂度$O(1)$。

1 def Moore(nums: List) ->int:2 major, count =0, 03 for num innums:4 if count ==0:5 major, count = num, 1

6 elif major !=num:7 count -= 1

8 else:9 count += 1

10 #如果没有说众数一定存在，此处就要加上验证

11 return major

摩尔选举方法也可以进行拓展，用来求序列中出现次数大于$\left \lfloor N/K \right \rfloor$的数。以$K=3$举例，当出现3个互不相等的数时就抵消，最后剩下的数(不会超过$K-1$个)再进行验证就可以得到最终的结果。具体的代码见$1.4$。

1.2 随机选举

随机选举的方式比较有意思，可以用来求数据流中任意区间的众数。在知道众数一定存在的情况下，单次查询时间复杂度为$O(logn)$，此外记录下标需要$O(n)$的辅助空间。简单说一下流程：首先通过字典记录每个数的下标，例如$[1,2,1,3,1]$，记录下标的字典为$\{1:[0,2,4], 2:[1], 3:[3]\}$。给定区间$[l, r]$&#x