C++ 利用最大和最小堆快速找到中位数【优先级队列】

寻找中位数

题目

设计一个数据结构，该数据结构动态维护一组数据，且支持如下操作：
1.添加元素：void addNum(int num)，将整型num添加至数据结构中。
2.返回数据的中位数，double findMedian()，返回其维护的数据的中位数。
中位数定义：
1.若数据个数为奇数，中位数是该组数排序后中间的数。[1,2,3]->2
2.若数据个数为偶数，中位数是该组数排序后中间的两个数字的平均值。[1,2,3,4]->2.5

思路

较为普遍的思想都是按数据元素个数的多少，分为奇偶两种情况去讨论：
当为奇数时，找到下标为(元素个数 / 2)位置的数即为中位数。
当为偶数时，找到下标为（(元素个数/2)的数+(元素个数/2-1)的数）/2为中位数。

但如果是将这一组数据遍历式的寻找到中位数的值，那么搜索时间的复杂度就会是O(n^2)，那我们又应该如何降低时间复杂度呢？

这就运用到了最大及最小堆的方法：
同时建立最大堆和最小堆，将需要放入的元素进行比较后再放入，最终将近一半较大的数放入到最小堆中，将另一半较小的数放入到最大堆中，最后比较两堆的元素个数，较多的一方取其堆顶元素作为中位数，若相等，取两堆的（堆顶元素之和）/ 2[注：这里的中位数要是浮点型]

在以下几种情况下将元素放入到这两个堆中：
①当最大堆中的元素个数为0(即为空)时，将元素放入其中。(即将第一个元素放入到最大堆)
②当big_heap.size() == small_heap.size()时，比较最大堆的堆顶元素与将放入的元素大小，如果小于其堆顶的元素，则直接放入到最大堆中，否则放入到最小堆中。
③当big_heap.size() > small_heap.size()时，还是将放入的元素与最大堆的堆顶元素进行比较，如果大于堆顶元素，直接放入最小堆，否则，将最大堆的堆顶元素push到最小堆中，再将其弹出最大堆，最后将要放入的元素放入到最大堆中。
④当big_heap.size() < small_heap.size()时,则比较最小堆的堆顶元素与放入元素的大小，如果小于最小堆的堆顶元素，则直接放入到最大堆中，否则，将最小堆的堆顶元素放入到最大堆中，再将堆顶元素弹出，将要放入的元素放入到最小堆中。

如图所示：




代码如下：

#include <stdio.h>
#include <queue>
class MedianFinder {
public:
    MedianFinder() {
    }
    void addNum(int num) {
    	if (big_queue.empty()){
	    	big_queue.push(num);
	    	return;
	    }
        if (big_queue.size() == small_queue.size()){
        	if (num < big_queue.top()){
	        	big_queue.push(num);
	        }
	        else{
        		small_queue.push(num);
        	}
        }
        else if(big_queue.size() > small_queue.size()){
        	if (num > big_queue.top()){
	        	small_queue.push(num);
	        }
	        else{
        		small_queue.push(big_queue.top());
        		big_queue.pop();
        		big_queue.push(num);
        	}
        }
        else if(big_queue.size() < small_queue.size()){
        	if (num < small_queue.top()){
	        	big_queue.push(num);
	        }
	        else{
        		big_queue.push(small_queue.top());
        		small_queue.pop();
        		small_queue.push(num);
        	}
        }
    }
    double findMedian(){
    	if (big_queue.size() == small_queue.size()){
        	return (big_queue.top() + small_queue.top()) / 2;
        }
        else if (big_queue.size() > small_queue.size()){
        	return big_queue.top();
        }
        return small_queue.top();
    }
private:
	std::priority_queue<double> big_queue;
	std::priority_queue<double, std::vector<double>,
					std::greater<double> > small_queue;
};
int main(){
	MedianFinder M;
	int test[] = {6, 10, 1, 7, 99, 4, 33};
	for (int i = 0; i < 7; i++){
		M.addNum(test[i]);
		printf("%lf\n", M.findMedian());
	}
	return 0;
}

致谢

本章知识点和思路由小象学院相关视频提供，由本人学习并梳理得出，希望自己加深记忆的同时，也能给大家提供更多有关于一些算法的知识点。
你的点赞、评论、收藏就是对我最大的支持与鼓励，谢谢！