295. 数据流的中位数

 

class MedianFinder {
    Queue<Integer> A,B;

    public MedianFinder() {
        A = new PriorityQueue<>();//小根堆存储后半部分
        B = new PriorityQueue<>((x,y)->(y-x));//大根堆存储前半部分

    }
    
    public void addNum(int num) {
        if(A.size()==0 && B.size()==0){
            B.add(num);
            //这个要return
            return;
        };
        if(num<=B.peek()){
            B.add(num);
        }else{
            A.add(num);
        }
        if(Math.abs(B.size()-A.size()) >= 2){
            if (B.size() > A.size()) {
                A.add(B.poll());
            } else {
                B.add(A.poll());
            }
        }

    }
    
    public double findMedian() {
        if(A.size()==B.size()){
            return (A.peek()+B.peek()) / 2.0;
        }else{
            return A.size() > B.size() ? A.peek() : B.peek();
        }
    }
}

/**
 * Your MedianFinder object will be instantiated and called as such:
 * MedianFinder obj = new MedianFinder();
 * obj.addNum(num);
 * double param_2 = obj.findMedian();
 */

 

class MedianFinder {
    Queue<Integer> A,B;

    public MedianFinder() {
        A = new PriorityQueue<>();//小根堆存储后半部分
        B = new PriorityQueue<>((x,y)->(y-x));//大根堆存储前半部分

    }
    
    public void addNum(int num) {
        if(A.size() != B.size()){
            A.add(num);
            B.add(A.poll());
        }else{
            B.add(num);
            A.add(B.poll());
        }

    }
    
    public double findMedian() {
        return A.size() != B.size() ? A.peek() : (A.peek()+B.peek()) / 2.0;
    }
}

/**
 * Your MedianFinder object will be instantiated and called as such:
 * MedianFinder obj = new MedianFinder();
 * obj.addNum(num);
 * double param_2 = obj.findMedian();
 */

  • 2
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
要找出数据流中位数,可以使用两个优先队列(堆)来实现。一个小顶堆存储较大的一半数据,一个大顶堆存储较小的一半数据。 具体步骤如下: 1. 初始化两个堆,一个小顶堆 `minHeap` 和一个大顶堆 `maxHeap`。 2. 遍历数据流中的每个元素: - 如果 `minHeap` 和 `maxHeap` 的大小相等,将元素插入到 `maxHeap` 中。 - 如果 `minHeap` 的大小大于 `maxHeap`,将元素插入到 `minHeap` 中。 - 如果插入元素后,`minHeap` 的堆顶元素大于 `maxHeap` 的堆顶元素,则交换两个堆顶元素。 3. 如果两个堆的大小之和是偶数,中位数就是两个堆顶元素的平均值;如果是奇数,中位数就是 `minHeap` 的堆顶元素。 下面是使用 C++ 实现的代码示例: ```cpp #include <iostream> #include <queue> #include <vector> class MedianFinder { public: void addNum(int num) { if (minHeap.empty() || num > minHeap.top()) { minHeap.push(num); } else { maxHeap.push(num); } if (minHeap.size() > maxHeap.size() + 1) { maxHeap.push(minHeap.top()); minHeap.pop(); } else if (maxHeap.size() > minHeap.size()) { minHeap.push(maxHeap.top()); maxHeap.pop(); } } double findMedian() { if (minHeap.size() == maxHeap.size()) { return (minHeap.top() + maxHeap.top()) / 2.0; } else { return minHeap.top(); } } private: std::priority_queue<int, std::vector<int>, std::greater<int>> minHeap; std::priority_queue<int, std::vector<int>, std::less<int>> maxHeap; }; int main() { MedianFinder finder; finder.addNum(1); finder.addNum(2); std::cout << finder.findMedian() << std::endl; // 输出 1.5 finder.addNum(3); std::cout << finder.findMedian() << std::endl; // 输出 2 return 0; } ``` 这段代码创建了一个 `MedianFinder` 类,通过 `addNum` 方法添加数据,然后通过 `findMedian` 方法获取中位数。在示例中,数据流为 1、2、3,所以中位数依次为 1.5 和 2。

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值