文章目录
今天起每文两道题改成每个文章一道题,这样阅读起来比较方便。
数据流的中位数(295)
题目
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
思路没什么问题,就是排序存放,自己写的击败了0%。。。。代码一和代码二分别是自己的和另一个比较简单的版本
代码一
class MedianFinder:
def __init__(self):
"""
initialize your data structure here.
"""
self.ans = []
self.l = 0
def addNum(self, num: int) -> None:
if self.l ==0 :
self.ans.append(num)
else:
k=self.l
for i in range(len(self.ans)):
if num<=self.ans[i]:
k=i
break
self.ans.insert(k,num)
#print(self.ans)
self.l+=1
return
def findMedian(self) -> float:
if self.l==0:
return
if self.l%2==1:
return self.ans[int(self.l/2)]
else :
return (self.ans[int(self.l/2)]+self.ans[int(self.l/2)-1])/2
# Your MedianFinder object will be instantiated and called as such:
# obj = MedianFinder()
# obj.addNum(num)
# param_2 = obj.findMedian()
代码二
class MedianFinder:
# import bisect
def __init__(self):
"""
initialize your data structure here.
"""
self.data = []
def addNum(self, num):
"""
:type num: int
:rtype: void
"""
bisect.insort(self.data, num)
def findMedian(self):
"""
:rtype: float
"""
n = len(self.data)
return (self.data[n // 2] + self.data[(n - 1)// 2]) / 2
还是多用别人写好的函数
python中的//和/是不一样的,//是做了整除取结果的整数。