剑指offer刷题0412-优快云博客

本文深入探讨了两种经典的数据处理算法：一是如何实时计算数据流中的中位数，二是如何高效寻找滑动窗口内的最大值。通过详细解释算法原理与实现步骤，为读者提供了清晰的代码示例和多种解决方案，包括直接排序法和利用堆排序等高级数据结构的方法。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

数据流的中位数

滑动窗口的最大值

数据流的中位数

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。我们使用Insert()方法读取数据流，使用GetMedian()方法获取当前读取数据的中位数。

整体思路：对数值读入后，进行排序，然后再取题目要求的中位数。另外注意python中除法/保留有小数,//得到的是向下取整的商。

方法1：直接用python中的sort来进行排序。
方法2：利用其他排序方法进行排序，比如堆排序。需要总结下常见的排序算法与堆排序的大根堆，小根堆具体如何写的了。

# print(10/2)#保留了1位小数
# print(10//2)#结果为5，整型数值.在python3Xz中， /是精确除法，//是向下取整除法。
# # 注意 /在python 2 中是向下取整运算
class Solution:
    def __init__(self):
        self.data=[]
    def Insert(self, num):
        # write code here
        self.data.append(num)
        self.data.sort()
    def GetMedian(self,data):
        # write code here
        length=len(self.data)
        if length%2==0:
            return(self.data[length//2]+self.data[length//2 -1])/2.0
        else:
            return self.data[int(length//2)]

滑动窗口的最大值

题目描述
给定一个数组和滑动窗口的大小，找出所有滑动窗口里数值的最大值。例如，如果输入数组{2,3,4,2,6,2,5,1}及滑动窗口的大小3，那么一共存在6个滑动窗口，他们的最大值分别为{4,4,6,6,6,5}；针对数组{2,3,4,2,6,2,5,1}的滑动窗口有以下6个： {[2,3,4],2,6,2,5,1}， {2,[3,4,2],6,2,5,1}， {2,3,[4,2,6],2,5,1}， {2,3,4,[2,6,2],5,1}， {2,3,4,2,[6,2,5],1}， {2,3,4,2,6,[2,5,1]}

思路1： #思路：num个数，有len(num)-size+1个窗口，从头开始滑动即可。每次取窗口中的最大值加入结果队列，注意使用slice操作 思路2：尽量减少比较操作。貌似有利用双端队列来做的写法 --待查吧

class Solution:
    def maxInWindows(self, num, size):
        # write code here
        #思路：num个数，有len(num)-size+1个窗口，从头开始滑动即可。每次取窗口中的最大值加入结果队列
        if size<=0:
            return []
        res=[]
        for i in range(0,len(num)-size+1):#从头开始滑动，共计len(num)-size+1个窗口
            res.append(max(num[i:i+size]))#直接使用列表的slice操作与max函数
        return res