295. 数据流的中位数【优先队列】
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?
class MedianFinder {
public:
/** initialize your data structure here. */
priority_queue<int,vector<int>, less<int> > leftQueue;
priority_queue<int,vector<int>, greater<int> > rightQueue;
MedianFinder() {
}
void addNum(int num) {
if(leftQueue.empty() || num<=leftQueue.top()){
leftQueue.push(num);
if(leftQueue.size()-rightQueue.size()>=2){
rightQueue.push(leftQueue.top());
leftQueue.pop();
}
}else{
rightQueue.push(num);
if(rightQueue.size() > leftQueue.size()){
leftQueue.push(rightQueue.top());
rightQueue.pop();
}
}
}
double findMedian() {
double ans=0;
int size=leftQueue.size()+rightQueue.size();
//cout<<size<<endl;
if(!size) return 0;
if(size&1)return leftQueue.top();
else{
ans=(leftQueue.top()+rightQueue.top())/2.0;
}
//cout<<ans<<endl;
return ans;
}
};
/**
* Your MedianFinder object will be instantiated and called as such:
* MedianFinder* obj = new MedianFinder();
* obj->addNum(num);
* double param_2 = obj->findMedian();
*/
进阶 1
如果数据流中所有整数都在 0到 100 范围内,那么我们可以利用计数排序统计每一类数的数量,并使用双指针维护中位数。
进阶 2
如果数据流中 99% 的整数都在 0 到 100 范围内,那么我们依然利用计数排序统计每一类数的数量,并使用双指针维护中位数。对于超出范围的数,我们可以单独进行处理,建立两个数组,分别记录小于 0 的部分的数的数量和大于 1100 的部分的数的数量即可。当小部分时间,中位数不落在区间 [0,100] 中时,我们在对应的数组中暴力检查即可。
作者:LeetCode-Solution
链接:https://leetcode-cn.com/problems/find-median-from-data-stream/solution/shu-ju-liu-de-zhong-wei-shu-by-leetcode-ktkst/
来源:力扣(LeetCode)
著作权归作者所有。商业转载请联系作者获得授权,非商业转载请注明出处。
不知道为啥size比较放外面无法判断