剑指Offer(Python多种思路实现):数据流中的中位数

最新推荐文章于 2020-12-18 16:51:41 发布

雾行

最新推荐文章于 2020-12-18 16:51:41 发布

阅读量1.1k

点赞数

分类专栏：数据结构与算法文章标签：数据结构面试算法 leetcode python

本文链接：https://blog.youkuaiyun.com/weixin_44151089/article/details/104489874

版权

数据结构与算法专栏收录该内容

63 篇文章

订阅专栏

本文探讨了在数据流中实时获取中位数的两种算法实现。第一种为直接法，通过排序数组来找到中位数；第二种使用最大堆和最小堆，能够更高效地处理大量数据流，适用于实时数据分析场景。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

剑指Offer(Python多种思路实现):数据流中的中位数

面试41题：

题目：数据流中的中位数

题：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。

解题思路一：直接法，排序后求中位数

class Solution:
    def __init__(self):
        self.array=[]
        
    def Insert(self, num):
        # write code here
        self.array.append(num)
        self.array.sort()
    def GetMedian(self,M):
        # write code here
        length=len(self.array)
        if len(self.array)%2==1:
            return self.array[length//2]
        else:
            return (self.array[length//2-1]+self.array[length//2])/2.0

解题思路二：

import heapq as hq

class MedianFinder:

    def __init__(self):
        self.lo, self.hi = [], []  # lo is max_heap, hi is min_heap
        
    def addNum(self, num):
        hq.heappush(self.lo, -num)
        hq.heappush(self.hi, -hq.heappop(self.lo))
        
        if len(self.lo) < len(self.hi):
            hq.heappush(self.lo, -hq.heappop(self.hi))       

    def findMedian(self):
        if len(self.lo) == len(self.hi):
            return (-self.lo[0]+self.hi[0]) / 2.0
        else:
            return float(-self.lo[0])