标签：-- big top 09 中位数 addNum num small size

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

https://leetcode-cn.com/problems/shu-ju-liu-zhong-de-zhong-wei-shu-lcof/submissions/

题目

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

思路1

最直观的思路是用数组来完成。时间复杂度：

• 若添加元素时排序，addNum复杂度为O(n)，findMedian复杂度为O(1)。
• 若查询中位数时排序，addNum复杂度为O(1)，findMedian复杂度为O(nlogn)。

上述最佳情况下的整体复杂度为O(n^2)。

思路2

更佳的思路：动态维护一个小顶堆和大顶堆，各存储一半的数据，保证大顶堆的堆顶比小顶堆的更小。即大顶堆存储前一半的数据流内容，小顶堆存储后一半的数据流内容。

 

插入数据：

情况1：

小顶堆与大顶堆元素个数相同时。如果新元素小于大顶堆，则直接插入大顶堆，否则插入小顶堆。

 

情况2：

大顶堆比小顶堆元素多1。

 

情况3：

小顶堆比大顶堆元素多1。

 

输出中位数：

 

class MedianFinder {
public:
    //大顶堆 存放前半部分数据
    priority_queue<int, vector<int>, less<int>> big_q;   
    //小顶堆 存放后半部分数据
    priority_queue<int, vector<int>, greater<int>> small_q; 
    MedianFinder() {
    }

    void addNum(int num) {
        //情况1 两者大小相同
        if (big_q.size() == small_q.size()) {
            if (big_q.size() == 0) //如果两个堆都为空
                big_q.push(num);
            else {
                if (num <= big_q.top() && big_q.top() <= small_q.top())
                    big_q.push(num);
                else if (num > big_q.top() && big_q.top() <= small_q.top())
                    small_q.push(num);
            }
        }
        //情况2 大顶堆多一个元素
        else if (big_q.size() > small_q.size()) {
            if (small_q.size() == 0) {  //处理一个堆为空的情况
                if(big_q.top() <= num)
                    small_q.push(num);
                else {
                    small_q.push(big_q.top());
                    big_q.pop();
                    big_q.push(num);
                }
            }
            else {
                if (num < big_q.top() && big_q.top() <= small_q.top()) {
                    small_q.push(big_q.top());
                    big_q.pop();
                    big_q.push(num);
                }
                else if (num >= big_q.top() && big_q.top() <= small_q.top())
                    small_q.push(num);
            }   
        }
        //情况3 小顶堆多一个元素
        else if (small_q.size() > big_q.size()) {
            if (num <= small_q.top() && big_q.top() <= small_q.top()) {
                big_q.push(num);
            }
            else if (num > small_q.top() && big_q.top() <= small_q.top()) {
                big_q.push(small_q.top());
                small_q.pop();
                small_q.push(num);
            }
        }
    }

    double findMedian() {
        //处理有的堆为空的情况
        if (small_q.empty() && big_q.empty())
            return 0.0;
        else if (small_q.size() == 0 && big_q.size() == 1)
            return big_q.top();
        else if (small_q.size() == 1 && big_q.size() == 0)
            return small_q.top();
        //处理正常情况
        else if (small_q.size() == big_q.size())
            return (small_q.top() + big_q.top()) / 2.0;
        else if (small_q.size() > big_q.size())
            return small_q.top();
        else if (small_q.size() < big_q.size())
            return big_q.top();
        else
            return 0.0;
    }
};

#include<iostream>
#include<queue>
#include<vector>
using namespace std;

class MedianFinder {
public:
	/** initialize your data structure here. */
	//大顶堆 存放前半部分数据
	priority_queue<int, vector<int>, less<int>> big_q;   
	//小顶堆 存放后半部分数据
	priority_queue<int, vector<int>, greater<int>> small_q; 
	MedianFinder() {

	}

	void addNum(int num) {
		//情况1 两者大小相同
		if (big_q.size() == small_q.size()) {
			if (big_q.size() == 0) //如果两个堆都为空
				big_q.push(num);
			else {
				if (num <= big_q.top() && big_q.top() <= small_q.top())
					big_q.push(num);
				else if (num > big_q.top() && big_q.top() <= small_q.top())
					small_q.push(num);
			}
		}
		//情况2 大顶堆多一个元素
		else if (big_q.size() > small_q.size()) {
			if (small_q.size() == 0) {  //处理一个堆为空的情况
				if(big_q.top() <= num)
					small_q.push(num);
				else {
					small_q.push(big_q.top());
					big_q.pop();
					big_q.push(num);
				}
			}
			else {
				if (num < big_q.top() && big_q.top() <= small_q.top()) {
					small_q.push(big_q.top());
					big_q.pop();
					big_q.push(num);
				}
				else if (num >= big_q.top() && big_q.top() <= small_q.top())
					small_q.push(num);
			}	
		}
		//情况3 小顶堆多一个元素
		else if (small_q.size() > big_q.size()) {
			if (num <= small_q.top() && big_q.top() <= small_q.top()) {
				big_q.push(num);
			}
			else if (num > small_q.top() && big_q.top() <= small_q.top()) {
				big_q.push(small_q.top());
				small_q.pop();
				small_q.push(num);
			}
		}
	}

	double findMedian() {
		//处理有的堆为空的情况
		if (small_q.empty() && big_q.empty())
			return 0.0;
		else if (small_q.size() == 0 && big_q.size() == 1)
			return big_q.top();
		else if (small_q.size() == 1 && big_q.size() == 0)
			return small_q.top();
		//处理正常情况
		else if (small_q.size() == big_q.size())
			return (small_q.top() + big_q.top()) / 2.0;
		else if (small_q.size() > big_q.size())
			return small_q.top();
		else if (small_q.size() < big_q.size())
			return big_q.top();
		else
			return 0.0;
	}
};

void test01() {
	MedianFinder* obj = new MedianFinder();
	obj->addNum(6);
	obj->addNum(10);
	obj->addNum(2);
	obj->addNum(6);
	obj->addNum(5);
	obj->addNum(0);
	cout << obj->findMedian() << endl;
}

int main() {
	test01();

	system("pause");
	return 0;
}

标签：--,big,top,09,中位数,addNum,num,small,size
来源： https://blog.csdn.net/asddasads/article/details/120126884

本站声明： 1. iCode9 技术分享网（下文简称本站）提供的所有内容，仅供技术学习、探讨和分享；
2. 关于本站的所有留言、评论、转载及引用，纯属内容发起人的个人观点，与本站观点和立场无关；
3. 关于本站的所有言论和文字，纯属内容发起人的个人观点，与本站观点和立场无关；
4. 本站文章均是网友提供，不完全保证技术分享内容的完整性、准确性、时效性、风险性和版权归属；如您发现该文章侵犯了您的权益，可联系我们第一时间进行删除；
5. 本站为非盈利性的个人网站，所有内容不会用来进行牟利，也不会利用任何形式的广告来间接获益，纯粹是为了广大技术爱好者提供技术内容和技术思想的分享性交流网站。