2021/5/28 剑指 Offer 41. 数据流中的中位数(看书上笔记)

最新推荐文章于 2024-04-24 10:26:40 发布

lardoris928

最新推荐文章于 2024-04-24 10:26:40 发布

阅读量179

点赞数

分类专栏： c++ 剑指数据结构与算法

原文链接：https://leetcode-cn.com/problems/shu-ju-liu-zhong-de-zhong-wei-shu-lcof/solution/mian-shi-ti-41-shu-ju-liu-zhong-de-zhong-wei-shu-y/

版权

c++ 同时被 3 个专栏收录

174 篇文章 2 订阅

订阅专栏

数据结构与算法

124 篇文章 1 订阅

订阅专栏

剑指

53 篇文章 0 订阅

订阅专栏

本文探讨了如何通过自己实现的排序方法和使用优先队列（大顶堆和小顶堆）来提高`MedianFinder`类的效率，分别介绍了两种方法的原理和应用场景。针对大数据集，使用堆数据结构可以显著提升查找中位数的速度。

摘要由CSDN通过智能技术生成

在这里插入图片描述

方法一：自己写的方法使用sort函数 超出时间限制

class MedianFinder {
public:
    /** initialize your data structure here. */
    vector<int> res;
    MedianFinder() {
    }
    
    void addNum(int num) {
        res.push_back(num);
        sort(res.begin(),res.end());
    }
    
    double findMedian() {
        int length=res.size();
        if(length%2==1){
            //奇数
            return res[length/2.0];
        }
        else{
            return (res[length/2]+res[length/2-1])/2.0;//数组的下标是从0开始的，所以要往前移一位
        }
    }
};

/**
 * Your MedianFinder object will be instantiated and called as such:
 * MedianFinder* obj = new MedianFinder();
 * obj->addNum(num);
 * double param_2 = obj->findMedian();
 */

方法二：大顶堆小顶堆
在这里插入图片描述

在这里插入图片描述

class MedianFinder {
public:
    // 最大堆，存储左边一半的数据，堆顶为最大值
    priority_queue<int, vector<int>, less<int>> maxHeap;
    // 最小堆， 存储右边一半的数据，堆顶为最小值
    priority_queue<int, vector<int>, greater<int>> minHeap;
    /** initialize your data structure here. */
    MedianFinder() {
    }

    // 维持堆数据平衡，并保证左边堆的最大值小于或等于右边堆的最小值
    void addNum(int num) {
        /*
         * 当两堆的数据个数相等时候，左边堆添加元素。
         * 采用的方法不是直接将数据插入左边堆，而是将数据先插入右边堆，算法调整后
         * 将堆顶的数据插入到左边堆，这样保证左边堆插入的元素始终是右边堆的最小值。
         * 同理左边数据多，往右边堆添加数据的时候，先将数据放入左边堆，选出最大值放到右边堆中。
         */
        if (maxHeap.size() == minHeap.size()) {
            minHeap.push(num);
            int top = minHeap.top();
            minHeap.pop();
            maxHeap.push(top);
        } else {
            maxHeap.push(num);
            int top = maxHeap.top();
            maxHeap.pop();
            minHeap.push(top);
        }
    }
    
    double findMedian() {
        if (maxHeap.size() == minHeap.size()) {
            return (maxHeap.top()+minHeap.top())*1.0/2;
        } else {
            return maxHeap.top()*1.0;
        }
    }
};