题目:
如何得到一个数据流中的中位数?如果从数据流中读出奇数个数值,那么中位数就是所有数值排序之后位于中间的数值。如果从数据流中读出偶数个数值,那么中位数就是所有数值排序之后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 1:
输入:
["MedianFinder","addNum","addNum","findMedian","addNum","findMedian"]
[[],[1],[2],[],[3],[]]
输出:[null,null,null,1.50000,null,2.00000]
示例 2输入:
["MedianFinder","addNum","findMedian","addNum","findMedian"]
[[],[2],[],[3],[]]
输出:[null,null,2.00000,null,2.50000]
限制:最多会对 addNum、findMedian 进行 50000 次调用。
解题思路:
建立一个小顶堆A和大顶堆B,各保存列表的一半元素。那么什么叫小顶堆和大顶堆呢?小顶堆和大顶堆,其本质是一颗完全二叉树。除叶子节点外,小顶堆的每个父节点的key都要比其左右两个子节点的key小;大顶堆的每个父节点的key都要比其左右两个子节点的key大。这里说的key暂时理解为节点的取值吧,而index为节点在树中的索引或者位置。小顶堆/大顶堆的特点在于,其根节点一定是整个数中最小或者最大的元素
- A保存较大的一半,长度为N/2(N为偶数)或(N+1)/2(N为奇数);
- B保存较小的一半,长度为N/2(N为偶数)或(N-1)/2(N为奇数)
然后,中位数可仅根据A,B的堆顶元素计算得到中位数。
算法的流程包括:
设元素总数为N=m+n,其中m和n分别为A和B中的元素个数。
1、addNum(num)
- 当m=n(即N为偶数):需向A添加一个元素。通过:将新元素num插入B中,再将B堆顶元素插入到A中;
- 当m!=n(即N为奇数):需向B添加一个元素。通过:将新元素num插入A中,再将A堆顶元素插入到B中
2、findMedian()
- 当m=n(N为偶数):中位数为(A的堆顶元素+B的堆顶元素)/2
- 当m!=n(N为奇数):中位数为A的堆顶元素
代码:
from heapq import *
class MedianFinder:
def __init__(self):
self.A = [] # 小顶堆,保存较大的一半
self.B = [] # 大顶堆,保存较小的一半
def addNum(self, num: int) -> None:
if len(self.A) != len(self.B):
heappush(self.A, num)
heappush(self.B, -heappop(self.A))
else:
heappush(self.B, -num)
heappush(self.A, -heappop(self.B))
def findMedian(self) -> float:
return self.A[0] if len(self.A) != len(self.B) else (self.A[0] - self.B[0]) / 2.0
复杂度:
- 时间复杂度:查找中位数为O(1),获取堆顶元素使用O(1);添加数字O(logN),堆的插入和弹出操作使用O(logN)
- 空间复杂度:O(N),N为数据流中的元素数量,小顶堆和大顶堆中最多同时保存N个元素