牛客题霸随时找到数据流的中位数 c++版答案

最新推荐文章于 2022-04-28 16:56:11 发布

weixin_41795732

最新推荐文章于 2022-04-28 16:56:11 发布

阅读量368

点赞数

分类专栏：刷题文章标签： c++ leetcode 面试数据结构算法

本文链接：https://blog.csdn.net/weixin_41795732/article/details/109706795

版权

这是一个关于如何在数据流中实时计算中位数的问题，要求在添加新数和获取中位数时保持O(logN)和O(1)的时间复杂度。解决方案包括使用两个堆来维护数据以及通过平衡数的方法动态调整中位数。文章详细分析了两种方法的思路，强调了在数据结构和算法选择上的考量。

摘要由CSDN通过智能技术生成

题目详情

数据流的中位数
有一个源源不断的吐出整数的数据流，假设你有足够的空间来保存吐出的数。请设计一个名叫MedianHolder的结构，MedianHolder可以随时取得之前吐出所有数的中位数。
[要求]

如果MedianHolder已经保存了吐出的N个数，那么将一个新数加入到MedianHolder的过程，其时间复杂度是O(logN)。
取得已经吐出的N个数整体的中位数的过程，时间复杂度为O(1)

每行有一个整数opt表示操作类型
若opt=1，则接下来有一个整数N表示将N加入到结构中。
若opt=2，则表示询问当前所有数的中位数

示例1
输入
复制
[[1,5],[2],[1,3],[2],[1,6],[2],[1,7],[2]]
返回值
复制
[5,4,5,5.5]
说明
第一次查询时结构内的数为：5
第二次查询时结构内的数为：3 5
第二次查询时结构内的数为：3 5 6
第二次查询时结构内的数为：3 5 6 7

示例2
输入
复制
[[2],[1,1],[2]]
返回值
复制
[-1,1]

分析

题目要求复杂度为log(n) ，且整个过程是个动态(不断插入元素)的过程，可想而知只有二叉树之类的方法可以达到这个复杂度。
中位数即某个能将所有数根据大小关系划分为左右两半的数，只要能够不断的维护好这两部分的数，中位数就能在O(1)的时间内求得
- 如果n % 2 == 0即偶数个元素, 则median = max(left) + min(right) / 2
- 否则n % 2 == 1即奇数个元素，则median = max(left) or min(right)

方法1 堆

使用两个堆来分别维护left和right。当插入一个数的时候，朴素的想法是分别与max(left)和min(right)进行比较，之后插入到对应的堆中，再平衡两个堆的大小。但这种方法需要多个if/else，一种优雅的方法是让数据在两个堆中流动一遍。

class Solution {
   
public:
    /**
     * the medians
     * @param operations int整型vector<vector<>> ops
     * @return double浮点型vector
     */
    priority_queue<int, vector<int>, less<int>> lo;
    priority_queue<int, vector<int>, greater<int>> hi;
   
    vector<double> flowmedian(vector<vector<int> >& operations) {
   
        vector