剑指offer面试题41：数据流中的中位数（golang实现）

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($logn$)，维护大根堆/小根堆需要$logn$的时间，查找堆顶元素只需要O($1$)时间。
• 空间复杂度：O($n$)，需要保存数据流中所有元素。

Golang代码如下

type maxHeap