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;
}
};