leetcode:295. 数据流的中位数

题目来源

题目描述

在这里插入图片描述

题目解析

在这里插入图片描述
中位数的题,我们一般都可以用 大顶堆 + 小顶堆来求解,下面我们详细来解释一下。

  • 小顶堆(minHeap):存储所有元素中较大的一半,堆顶存储的是其中最小的数。
  • 大顶堆(maxHeap):存储所有元素中较小的一半,堆顶存储的是其中最大的数。

相当于,把所有元素分成了 大 和 小 两半(两个堆的大小最多相差1),而我们计算中位数,只需要 大的那半的最小值 和 小的那半的最大值即可。

比如,我们依次添加 [1, 2, 3, 4, 5],砍成两半之后为 [1, 2] 和 [3, 4, 5],我们只要能快速的找到 2 和 3 即可。

下面看看使用两个堆它们是怎么变化的:

  • 添加 1,进入到 minHeap 中,中位数为 1:

在这里插入图片描述

  • 添加 2,它比 minHeap 堆顶元素 1 大,进入minHeap,同时,minHeap 中元素超过了所有元素总和的一半,所以,要平衡一下,分一个给 maxHeap,中位数为 (1 + 2) / 2.0 = 1.5 :
    在这里插入图片描述
  • 添加 3, 它比 minHeap 堆顶元素 2 大,进入 minHeap,中位数为 2:

在这里插入图片描述

  • 添加 4,它比 minHeap 堆顶元素 2 大,进入minHeap,同时,minHeap 中元素超过了所有元素总和的一半,所以,要平衡一下,分一个给 maxHeap,中位数为 (2 + 3) / 2.0 = 2.5:

在这里插入图片描述

  • 添加 5,它比 minHeap 堆顶元素 3 大,进入minHeap,中位数为 3:

在这里插入图片描述


class MedianFinder {
    priority_queue<int, vector<int>, less<int>>     left_pq;            // 默认大根堆
    priority_queue<int, vector<int>, greater<int> > right_pq;   // 小根堆

    void balance(){
        int weight = std::abs(int(left_pq.size() - right_pq.size()));
        if(weight == 2){
            if(left_pq.size() > right_pq.size()){
                right_pq.push(left_pq.top());
                left_pq.pop();
            }else{
                left_pq.push(right_pq.top());
                right_pq.pop();
            }
        }
    }

public:
    MedianFinder() {
        
    }

    void addNum(int num) {
        if(left_pq.empty() || left_pq.top() >= num){
            left_pq.push(num);
        }else{
            right_pq.push(num);
        };
        balance();
    }

    double findMedian() {
        if(left_pq.size() == right_pq.size()){
            return (double ) (left_pq.top() + right_pq.top()) / 2;
        }else{
            return left_pq.size() > right_pq.size() ? left_pq.top() : right_pq.top();
        }
    }
};

在这里插入图片描述

进阶

如果数据流中所有整数都在 0 到 100 范围内,你将如何优化你的算法?

  • 建立长度为101的桶,每个桶分别统计每个数的出现次数,同时记录数据流中总的元素数量,每次查找中位数时,先计算出中位数是第几位,从前往后扫描所有的桶得到答案。

如果数据流中 99% 的整数都在 0 到 100 范围内,你将如何优化你的算法?

  • 和上一问解法类似,对于 11% 采用哨兵机制进行解决即可,在常规的最小桶和最大桶两侧分别维护一个有序序列,即建立一个代表负无穷和正无穷的桶。
class MedianFinder {
    std::vector<int> arr;
    int a , b, c;
    std::map<int, int> head, tail;
    int find(int n){
        if(n <= a){
            for(auto iter : head){
                n -= head[iter.first];
                if(n <= 0){
                    return iter.first;
                }
            }
        }else if(n <= a + b){
            n -= a;
            for (int i = 0; i <= 100; ++i) {
                n -= arr[i];
                if(n <= 0){
                    return i;
                }
            }
        }else{
            n -= a + b;
            for(auto iter : tail){
                n -= tail[iter.first];
                if(n <= 0){
                    return iter.first;
                }
            }
        }
        return -1;
    }
public:
    MedianFinder() : arr(101), a(0), b(0), c(0) {
        
    }

    void addNum(int num) {
        if(num >= 0 && num <= 100){
            arr[num]++;
            b++;
        }else if(num < 0){
            head[num]++;
            a++;
        }else{
            tail[num]++;
            c++;
        }
    }

    double findMedian() {
        int size = a + b + c;
        if (size % 2 == 0) return (find(size / 2) + find(size / 2 + 1)) / 2.0;
        return find(size / 2 + 1);
    }
};
  • 1
    点赞
  • 1
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
给定一个整数数组 nums 和一个目标值 target,要求在数组中找出两个数的和等于目标值,并返回这两个数的索引。 思路1:暴力法 最简单的思路是使用两层循环遍历数组的所有组合,判断两个数的和是否等于目标值。如果等于目标值,则返回这两个数的索引。 此方法的时间复杂度为O(n^2),空间复杂度为O(1)。 思路2:哈希表 为了优化时间复杂度,可以使用哈希表来存储数组中的元素和对应的索引。遍历数组,对于每个元素nums[i],我们可以通过计算target - nums[i]的值,查找哈希表中是否存在这个差值。 如果存在,则说明找到了两个数的和等于目标值,返回它们的索引。如果不存在,将当前元素nums[i]和它的索引存入哈希表中。 此方法的时间复杂度为O(n),空间复杂度为O(n)。 思路3:双指针 如果数组已经排序,可以使用双指针的方法来求解。假设数组从小到大排序,定义左指针left指向数组的第一个元素,右指针right指向数组的最后一个元素。 如果当前两个指针指向的数的和等于目标值,则返回它们的索引。如果和小于目标值,则将左指针右移一位,使得和增大;如果和大于目标值,则将右指针左移一位,使得和减小。 继续移动指针,直到找到两个数的和等于目标值或者左指针超过了右指针。 此方法的时间复杂度为O(nlogn),空间复杂度为O(1)。 以上三种方法都可以解决问题,选择合适的方法取决于具体的应用场景和要求。如果数组规模较小并且不需要考虑额外的空间使用,则暴力法是最简单的方法。如果数组较大或者需要优化时间复杂度,则哈希表或双指针方法更合适。
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