【leetcode】480 滑动窗口中位数（数组，堆）

题目链接：https://leetcode-cn.com/problems/sliding-window-median/
【hard】

题目描述

中位数是有序序列最中间的那个数。如果序列的大小是偶数，则没有最中间的数；此时中位数是最中间的两个数的平均数。

例如：

[2,3,4]，中位数是 3

[2,3]，中位数是 (2 + 3) / 2 = 2.5

给出一个数组 nums，有一个大小为 k 的窗口从最左端滑动到最右端。窗口中有 k 个数，每次窗口移动 1 位。你的任务是找出每次窗口移动后得到的新窗口中元素的中位数，并输出由它们组成的数组。

例如：

给出 nums = [1,3,-1,-3,5,3,6,7]，以及 k = 3。

窗口位置                      中位数
---------------               -----
[1  3  -1] -3  5  3  6  7       1
 1 [3  -1  -3] 5  3  6  7       -1
 1  3 [-1  -3  5] 3  6  7       -1
 1  3  -1 [-3  5  3] 6  7       3
 1  3  -1  -3 [5  3  6] 7       5
 1  3  -1  -3  5 [3  6  7]      6

因此，返回该滑动窗口的中位数数组 [1,-1,-1,3,5,6]。

提示：
假设k是合法的，即：k 始终小于输入的非空数组的元素个数.

思路

1 multiset+更新中间迭代器

这道题让我们求滑动窗口的中位数，想起之前的一道题求滑动窗口的最大值。那道题使用的deque来解决，无法套用在该题上，因为求中位数并不是像求最大值那样只操作deque的首尾元素。以下是leetcode讨论区给出的解法：
用一个multiset集合，和一个指向最中间元素的iterator

（1）首先将数组的前k个元素加入集合，由于multiset自带排序功能，所以我们通过k/2能快速的找到指向最中间的数字的迭代器mid，如果k为奇数，那么mid指向的数字就是中位数；如果k为偶数，那么mid指向的数跟前面那个数求平均值就是中位数。

（2）当我们添加新的数字到集合中，multiset会根据新数字的大小加到正确的位置，然后我们看如果这个新加入的数字比之前的mid指向的数小，那么中位数肯定被拉低了，所以mid往前移动一个，再看如果要删掉的数小于等于mid指向的数(注意这里加等号是因为要删的数可能就是mid指向的数)，则mid向后移动一个。

（3）然后我们将滑动窗口最左边的数删掉，我们不能直接根据值来用erase来删数字，因为这样有可能删掉多个相同的数字，而是应该用lower_bound来找到第一个不小于目标值的数，通过iterator来删掉确定的一个数字

注意：
lower_bound(k)返回一个迭代器，指向键不小于k的第一个元素
upper_bound(k)返回一个迭代器，指向键大于k的第一个元素

复杂度分析

• 时间复杂度：O（nlogk）。multiset插入，删除，查找的时间复杂度都为O(logk)。
• 空间复杂度：O（k）

/*
 * multiset(自动排序)+更新中间位置迭代器
 * 时间复杂度：O(n log k)
 */
class Solution {
public:
    vector<double> medianSlidingWindow(vector<int>& nums, int k) {
        multiset<int> window(nums.begin(), nums.begin() + k);
        // multiset自带排序功能，所以我们通过k/2能快速的找到指向最中间的数字的迭代器mid
        auto mid = next(window.begin(), k / 2);
        vector<double > ret;
        ret.push_back((double(*mid) + *prev(mid, 1 - k % 2)) / 2);

        for (int i = k; i < nums.size(); ++i) {
            // 插入nums[i]元素
            window.insert(nums[i]);
            if(nums[i] < *mid)
                mid --;
            if(nums[i-k] <= *mid)
                mid ++;
            // 删除nums[i-k]元素
            window.erase(window.lower_bound(nums[i-k]));    // 将滑动窗口最左边的数删掉
            ret.push_back((double(*mid) + *prev(mid, 1 - k % 2)) / 2);
        }

        return ret;
    }
};

2 最大堆+最小堆+哈希表

复杂度分析

• 时间复杂度：O（nlogk）。
• 空间复杂度：O（k）

class Solution {
public:
    vector<double> medianSlidingWindow(vector<int>& nums, int k) {
        multiset<int, less<int>> minHeap;
        multiset<int, greater<int>> maxHeap;

        vector<double > ret;
        for (int i = 0; i < nums.size(); ++i) {
            if ( i>= k){
                // 删除窗口最左边元素
                if(maxHeap.count(nums[i-k]))
                    maxHeap.erase(maxHeap.lower_bound(nums[i-k]));
                else if(minHeap.count(nums[i-k]))
                    minHeap.erase(minHeap.lower_bound(nums[i-k]));
            }

            if(maxHeap.empty() || nums[i] < *maxHeap.begin())
                maxHeap.insert(nums[i]);
            else
                minHeap.insert(nums[i]);

            // 保持最大堆数目不小于最小堆；并且相差最多为1
            while (maxHeap.size() > minHeap.size() + 1){
                minHeap.insert(*maxHeap.begin());
                maxHeap.erase(maxHeap.begin());
            }
            while (maxHeap.size() < minHeap.size()){
                maxHeap.insert(*minHeap.begin());
                minHeap.erase(minHeap.begin());
            }

            if ( i >= k-1){
                if (k % 2)
                    ret.push_back(*maxHeap.begin());
                else
                    ret.push_back(((double) *maxHeap.begin() + *minHeap.begin())/2);
            }
        }

        return ret;
    }
};