【剑指 Offer-困难】剑指 Offer 41. 数据流中的中位数

最新推荐文章于 2025-12-01 23:15:22 发布

原创最新推荐文章于 2025-12-01 23:15:22 发布 · 359 阅读

0 ·

CC 4.0 BY-SA版权

文章标签：

#leetcode #动态规划 #算法

leetcode 同时被 2 个专栏收录

714 篇文章

订阅专栏

刷题

643 篇文章

订阅专栏

这篇博客讨论了两种实现在线求解中位数的方法。第一种是通过排序列表，而第二种是利用两个堆（大顶堆和小顶堆）来实时维护中位数。第二种方法在执行时间和内存消耗上都更为优秀，能有效地处理大量数据。

题目
代码
执行用时：
1100 ms, 在所有 Python3 提交中击败了9.64%的用户
内存消耗：
25.9 MB, 在所有 Python3 提交中击败了54.95%的用户
通过测试用例：
18 / 18

class MedianFinder:
    def __init__(self):
        """
        initialize your data structure here.
        """
        self.ans=[]

    def addNum(self, num: int) -> None:
        self.ans.append(num)
        
    def findMedian(self) -> float:
        self.ans.sort()
        length=len(self.ans)
        if length%2==0:
            return (self.ans[length//2-1]+self.ans[length//2])/2
        else:
            return self.ans[length//2]

【方法2】参考k神
主要思想：
用两个堆，一个大顶堆保存数组的较小的一半，一个小顶堆保存数组较大的一半
执行用时：
164 ms, 在所有 Python3 提交中击败了86.04%的用户
内存消耗：
26.1 MB, 在所有 Python3 提交中击败了27.82%的用户
通过测试用例：
18 / 18

class MedianFinder:
    def __init__(self):
        self.A = [] # 小顶堆，保存较大的一半
        self.B = [] # 大顶堆，保存较小的一半

    def addNum(self, num: int) -> None:
        if len(self.A) != len(self.B):
            heappush(self.A, num)
            heappush(self.B, -heappop(self.A))
        else:
            heappush(self.B, -num)
            heappush(self.A, -heappop(self.B))

    def findMedian(self) -> float:
        return self.A[0] if len(self.A) != len(self.B) else (self.A[0] - self.B[0]) / 2.0