剑指offer---数据流中的中位数---大顶堆、小顶堆

最新推荐文章于 2021-11-26 19:53:39 发布

原创最新推荐文章于 2021-11-26 19:53:39 发布 · 556 阅读

0 ·

CC 4.0 BY-SA版权

题同时被 2 个专栏收录

456 篇文章

订阅专栏

STL

23 篇文章

订阅专栏

本文介绍了一种通过维护两个堆（大顶堆和小顶堆）来实时计算数据流中位数的方法。该方法能够高效地处理奇数和偶数个数值的情况，并提供了Insert函数用于添加新的数值，GetMedian函数用于获取当前中位数。

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。

class Solution {
public:
    vector<int> left;  // 大顶堆
    vector<int> right; // 小顶堆

    void Insert(int num)
    {
        int n1 = left.size();
        int n2 = right.size();

        if((n1 + n2) % 2 == 1) // 插入right
        {
            if(left.size() > 0 && num > left[0])
            {
                left.push_back(num);
                push_heap(left.begin(), left.end(), greater<int>());
                num = left[0];
                pop_heap(left.begin(), left.end(), greater<int>());
                left.pop_back();
            }
            right.push_back(num);
            push_heap(right.begin(), right.end(), less<int>());
        }
        else  // 插入left
        {
            if(right.size() > 0 && num < right[0])
            {
                right.push_back(num);
                push_heap(right.begin(), right.end(), less<int>());
                num = right[0];
                pop_heap(right.begin(), right.end(), less<int>());
                right.pop_back();
            }
            left.push_back(num);
            push_heap(left.begin(), left.end(), greater<int>());
        }
    }

    double GetMedian()
    { 
        int n = left.size() + right.size();
        if(n % 2 == 1)
            return left[0];
        else
            return (left[0] + right[0]) / 2.0;
    }

};