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 · 134 阅读

0 ·

CC 4.0 BY-SA版权

文章标签：

#剑指offer #Python

本文探讨了在数据流中实时计算中位数的两种方法：一是利用大小顶堆实现，二是通过数组排序查找。详细介绍了每种方法的实现过程，并提供了Python代码示例。

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。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。

思路：

第一种方法是使用大小顶堆，还不太理解这么做的原理，。。。

第二种方法通过数组的形式，添加后并排序；通过数组的长度寻找中位数的位置

代码：

# -*- coding:utf-8 -*-

from heapq import *
class Solution:
    def __init__(self):
        self.heaps=[],[]
    def Insert(self, num):
        # write code here
        small,large=self.heaps
        heappush(small,-heappushpop(large,num))
        if len(large)<len(small):
            heappush(large,-heappop(small))
            
    def GetMedian(self,n=None):
        # write code here
        small,large=self.heaps
        if len(large)>len(small):
            return float(large[0])
        return (large[0]-small[0])/2.0

class Solution:
    def __init__(self):
        self.arr=[]
    def Insert(self,num):
        self.arr.append(num)
        self.arr.sort()
    def GetMedian(self,n=None):
        length=len(self.arr)
        if length%2==1:
            return self.arr[length//2]
        return (self.arr[length//2]+self.arr[length//2-1])/2.0