数据流中的中位数

最新推荐文章于 2024-08-28 14:47:27 发布

原创最新推荐文章于 2024-08-28 14:47:27 发布 · 226 阅读

0 ·

CC 4.0 BY-SA版权

文章标签：

#大顶堆 #小顶堆

newcoder Offer 专栏收录该内容

64 篇文章

订阅专栏

本文探讨了两种求解数据流中位数的有效方法：一是使用动态插入排序更新数列并寻找中位数；二是利用两个堆（大顶堆与小顶堆）实时维护数据流的平衡状态，从而高效获取中位数。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

题目描述

如何得到一个数据流中的中位数？如果从数据流中读出奇数个数值，那么中位数就是所有数值排序之后位于中间的数值。如果从数据流中读出偶数个数值，那么中位数就是所有数值排序之后中间两个数的平均值。

IDEA

1.采用插入排序，插入一个，调整一次顺序；

2.两个堆实现。一个大顶堆，一个小顶堆，大顶堆中所有数<=小顶堆中所有数。

CODE

class Solution {
private:
    vector<int> vec;
    int n;
public:
    void Insert(int num)
    {
        vec.push_back(num);
        n=vec.size();
        int i=n-1;
        while(i>0&&vec[i]<vec[i-1]){
            int tmp=vec[i-1];
            vec[i-1]=vec[i];
            vec[i]=tmp;
            i--;
        } 
    }

    double GetMedian()
    { 
        return (vec[n/2]+vec[(n-1)/2])/2.0;
    }

};

class Solution {
private:
    int count=0;
    priority_queue<int,vector<int>,less<int> >big_heap;
    priority_queue<int,vector<int>,greater<int> >small_heap;
public:
    void Insert(int num)
    {
        count++;
        if(count%2){
            small_heap.push(num);
            big_heap.push(small_heap.top());
            small_heap.pop();            
        }else{
            big_heap.push(num);
            small_heap.push(big_heap.top());
            big_heap.pop();
        }
    }

    double GetMedian()
    { 
        if(count%2){
            return big_heap.top();
        }else{
            return (big_heap.top()+small_heap.top())/2.0;
        }
    }

};