【leetcode】295 数据流的中位数（数组，堆）

题目链接：https://leetcode-cn.com/problems/find-median-from-data-stream/

题目描述

中位数是有序列表中间的数。如果列表长度是偶数，中位数则是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：

addNum(1)
addNum(2)
findMedian() -> 1.5
addNum(3) 
findMedian() -> 2

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？
• 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？

思路

• 用一个最大堆存储左区间数组，最小堆存储右区间数组；左区间元素均小于右区间元素。用堆的好处在于得到中位数只需要找堆顶元素，时间复杂度为O（1）。
• 控制最大堆与最小堆的长度之差不大于1，并且最大堆长度大于等于最小堆。
• 使用 priority_queue 构建最大堆和最小堆
• findMedian：如果元素总数为偶数，返回最大堆堆顶和最小堆堆顶的平均值，如果总数是奇数，则范围最大堆堆顶。

代码

class MedianFinder {
    priority_queue<int, vector<int>, less<int>> left;	// 最大堆
    priority_queue<int, vector<int>, greater<int>> right; // 最小堆

public:
    /** initialize your data structure here. */
    MedianFinder() {}

    void addNum(int num) {
        // 插入元素
        if(left.empty() || num <= left.top())
            left.push(num);
        else
            right.push(num);

        // 调整两个堆的元素数
        if(left.size() < right.size()){
            int val = right.top();
            left.push(val);
            right.pop();
        }
        if(left.size() - right.size()>1){
            int val = left.top();
            right.push(val);
            left.pop();
        }
    }

    double findMedian() {
        if((left.size() + right.size()) & 1)
            return left.top();
        else
            return (left.top() + right.top()) / 2.0;
    }
};