目录
剑指 Offer 40. 最小的k个数
输入整数数组 arr ,找出其中最小的 k 个数。例如,输入4、5、1、6、2、7、3、8这8个数字,则最小的4个数字是1、2、3、4。
示例 1:
输入:arr = [3,2,1], k = 2
输出:[1,2] 或者 [2,1]示例 2:
输入:arr = [0,1,2,1], k = 1
输出:[0]来源:力扣(LeetCode)
链接:https://leetcode.cn/problems/zui-xiao-de-kge-shu-lcof
著作权归领扣网络所有。商业转载请联系官方授权,非商业转载请注明出处。【解法一】典型topK问题,构造一个小堆优先级队列,然后取出k次
class Solution { public: vector<int> getLeastNumbers(vector<int>& arr, int k) { priority_queue<int, vector<int>, greater<int>> q(arr.begin(),arr.end()); vector<int> res; while(k--) { res.push_back(q.top()); q.pop(); } return res; } };
剑指 Offer 41. 数据流中的中位数
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]来源:力扣(LeetCode)
链接:https://leetcode.cn/problems/shu-ju-liu-zhong-de-zhong-wei-shu-lcof
著作权归领扣网络所有。商业转载请联系官方授权,非商业转载请注明出处。
【解法一】屌毛算法 超时
class MedianFinder {
public:
/** initialize your data structure here. */
MedianFinder() {
}
void addNum(int num) {
v.push_back(num);
}
double findMedian() {
sort(v.begin(), v.end());
double res;
int size = v.size();
if(size % 2 == 1)
res = (double)(v[size/2]);
else
res = (double)(v[size/2] + v[size/2-1])/2;
return res;
}
vector<int> v;
};
【解法二】维护俩个优先级队列
优先级队列默认使用less建大堆,用来接收数据的后半部分。
使用greater建小堆,用来接收数据的前半部分
思路就是给A堆置入元素,然后将A堆顶元素置入B堆中。(同时删除本堆元素)
下一个元素置入B堆中,然后将B堆顶元素置入A堆中。(同时删除本堆元素)
class MedianFinder {
public:
/** initialize your data structure here. */
MedianFinder() {
}
void addNum(int num) {
if(maxheap.size() == minheap.size())
{
maxheap.push(num);
int it = maxheap.top();
maxheap.pop();
minheap.push(it);
}
else
{
minheap.push(num);
int it = minheap.top();
minheap.pop();
maxheap.push(it);
}
}
double findMedian() {
if(minheap.size()==maxheap.size())
return (double)(maxheap.top()+minheap.top())/2;
else
return (double)(minheap.top());
}
priority_queue<int, vector<int>, less<int>> maxheap;
priority_queue<int, vector<int>, greater<int>> minheap;
};