题目描述
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。
Leetcode链接:剑指offer面试题41:数据流中的中位数
算法分析
- 用一对大小堆来存储数据,大根堆中存储较小的一半数据,小根堆中存储较大的一半数据,中位数可以由两个堆的堆顶元素得来。
// 数据结构
type MedianFinder struct {
minH *minHeap
maxH *maxHeap
}
- AddNum()实现:
当minH.Len() == maxH.Len()
时,默认向小根堆中添加数据(先将num加入大根堆中排序,再取出大根堆中堆顶元素加入小根堆);
当minH.Len() != maxH.Len()
时,说明小根堆中元素多了一个,此时向大根堆中添加数据(先将num加入小根堆中排序,再取出小根堆堆顶元素加入大根堆)。 - FindMedian()实现:
若minH.Len() == maxH.Len()
,说明此时元素数量是偶数,取两个堆的堆顶元素除以2即是中位数;反之取出小根堆的堆顶元素即可(此时小根堆中元素数量比大根堆中多一,多出来的最小元素即是中位数)。
复杂度分析
问题规模为数据流中元素的个数n。
- 时间复杂度:O( l o g n logn logn),维护大根堆/小根堆需要 l o g n logn logn的时间,查找堆顶元素只需要O( 1 1 1)时间。
- 空间复杂度:O( n n n),需要保存数据流中所有元素。
Golang代码如下
type maxHeap