面试题41：数据流中的中位数

面试题41：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。我们使用Insert()方法读取数据流，使用GetMedian()方法获取当前读取数据的中位数。

分析思路

用最大堆实现左边的数据容器，因为位于堆顶的就是最大的数据；同理用一个最小堆实现右边的数据容器。往堆中插入一个数据的时间复杂度是O(logn)，由于只需要O(1)的时间就可以得到位于堆顶的数据，因此得到中位数的时间复杂度是O(1)。

核心代码如下：
基于STL中的函数push_heap()、pop_heap()及vector实现堆，并通过伪函数less()和greater()来生成最大堆和最小堆。

参考
参考代码：

template<typename T> class DynamicArray{
public:
	void Insert(T num){
		 //插入元素小于左边大顶堆最大值时，先将该值插入到大根堆中并调整，再将大根堆最大值放进小根堆中
		if(((max.size() + min.size()) & 1) == 0){ //数据的总数目是偶数时，把新数据num插入最小堆
			if(max.size() > 0 && num < max[0]){ //如果num比最大堆中的一些数据要小
				max.push_back(num); //先把num插入最大堆
				push_heap(max.begin(), max.end(), less<T>()); //更新重建最大堆

				num = max[0]; //令num为重建最大堆后堆中最大的元素，即max[0]

				pop_heap(max.begin(), max.end(), less<T>()); //pop_heap()是在堆的基础上，弹出最大堆的堆顶元素。
				//需要注意的是，pop_heap()并没有删除元素，而是将堆顶元素和数组最后一个元素进行了替换，
				//如果要删除这个元素，还需要对数组进行pop_back()操作。
				max.pop_back();
			}
			min.push_back(num);  //把num插入到最小堆
			push_heap(min.begin(), min.end(), greater<T>());  //更新重建最小堆
		}
		else{ //数据的总数目是奇数，把新数据num插入最大堆
			if(min.size() > 0 && num > min[0]){ //如果num比最小堆中的一些数据要大
				min.push_back(num); //先把num插入最小堆
				push_heap(min.begin(), min.end(), greater<T>()); //更新重建最小堆

				num = min[0]; //令num为重建最小堆后堆中最小的元素，即min[0]

				//弹出最小堆的堆顶元素
				pop_heap(min.begin(), min.end(), greater<T>()); 
				min.pop_back();
			}
			max.push_back(num); //把num插入到最大堆
			push_heap(max.begin(), max.end(), less<T>()); //更新重建最大堆
		}
	}

	T GetMedian(){ //用来得到容器中所有数据的中位数
		int size = max.size() + min.size();
		if(size == 0)
			throw exception("No numbers are available");

		T median = 0;
		if((size & 1) == 1) //数据总数目为奇数
			median = min[0]; //因为数据的总数目是偶数时是把数据插入到最小堆，即奇数个数据的中位数在最小堆
		else
			median = (min[0] + max[0]) / 2;

		return median;
	}

private:
	vector<T> min;
	vector<T> max;
};

20200308第一次实现

 #include<bits/stdc++.h>
using namespace std;

class Solution{
private:
    vector<int> max;
    vector<int> min;
public:
    void Insert(int num){
        if(((max.size() + min.size()) & 1) == 0){    //偶数时，放入大根堆
            //插入元素大于右边小顶堆最小值时，先将该值插入到小根堆中并调整，再将小根堆最小值放进大根堆中
            if( !min.empty() && num > min[0]){ //num > min[0]的前提是min不为空，如果为空，则min[0]的写法出错，此处条件易出错

                min.push_back(num);    //push_back() 会在序列末尾添加元素
                push_heap(min.begin(),min.end(),greater<int>());    //使用 push_heap() 恢复堆的排序

                num = min[0];

                pop_heap(min.begin(),min.end(),greater<int>());    //pop_heap() 函数将第一个元素移到最后，并保证剩下的元素仍然是一个堆。
                min.pop_back();    //然后就可以使用 vector 的成员函数 pop_back() 移除最后一个元素。
            }
            max.push_back(num);
            push_heap(max.begin(),max.end(),less<int>());
        }
        else{//else不能少，否则出错，无法实现功能
            if(((max.size() + min.size()) & 1) == 1){    //奇数时，放入小根堆
                //插入元素小于左边大顶堆最大值时，先将该值插入到大根堆中并调整，再将大根堆最大值放进小根堆中
                if(num < max[0]){    //很显然，数据流从无到有，为奇数时，大根堆里面一定有值，故此处可不以!max.empty()判断是否为空
                    max.push_back(num);    //push_back() 会在序列末尾添加元素
                    push_heap(max.begin(),max.end(),less<int>());    //使用 push_heap() 恢复堆的排序

                    num = max[0];
                    pop_heap(max.begin(),max.end(),less<int>());    //pop_heap() 函数将第一个元素移到最后，并保证剩下的元素仍然是一个堆。
                    max.pop_back();    //然后就可以使用 vector 的成员函数 pop_back() 移除最后一个元素。
                }
                min.push_back(num);
                push_heap(min.begin(),min.end(),greater<int>());
            }
        }
    }

    double GetMedian(){
        int len = min.size() + max.size();
        double result = 0 ;
        //if (len <= 0)
        //    return result;

        if((len & 1) == 1)    //if(len & 1 == 1) 报错
            result = static_cast<double>(max[0]);
        if((len & 1 )== 0)    //if(len & 1 == 0) 报错
            result = static_cast<double>(max[0] + min[0])/2;
        return result ;
    }
};


int main() {
    Solution S;
    int num;
    while (cin>> num)
        S.Insert(num);
    double res = S.GetMedian();
    cout << res << endl;
}