【剑指Offer】数据流中的中位数（Python）

最新推荐文章于 2025-01-08 17:06:48 发布

原创最新推荐文章于 2025-01-08 17:06:48 发布 · 353 阅读

1 ·

CC 4.0 BY-SA版权

剑指offer_Java 专栏收录该内容

29 篇文章

订阅专栏

本文探讨了在数据流中实时计算中位数的两种方法。一种是利用最大堆和最小堆来保持数据平衡，另一种是简单地将数据排序并找到中位数。通过实例代码展示了每种方法的具体实现。

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

方法一：牛客网不支持导包，所以编译出错……但是按照剑指offer上的思路来说，理应使用最大堆、最小堆的方法来做~

import heapq
class Solution:
    def __init__(self):
        self.big_nums = []
        self.small_nums = []
        self.cnt = 0
    def Insert(self, num):
        # write code here
        self.cnt += 1
        if self.cnt%2 == 0:
            heapq.heappush(self.big_nums,num)
            big = heapq.nlargest(1,self.big_nums)
            heapq.heappush(self.small_nums,num)
        else:
            small = heapq.heappushpop(self.small_nums,num)
            heapq.heappush(self.big_nums,small)
    def GetMedian(self,n=None):
        # write code here
        if self.cnt%2 == 0:
            big = heapq.nlargest(1,self.big_nums)
            small = heapq.heappop(self.small_nums)
            res = (big[0]+small)/2
        else:
            res = heapq.nlargest(1,self.big_nums)
        return res

方法二：

# -*- coding:utf-8 -*-
class Solution:
    def __init__(self):
        self.nums = []
    def Insert(self, num):
        # write code here
        self.nums.append(num)
    def GetMedian(self,n=None):
        # write code here
        self.nums.sort()
        if len(self.nums)%2 == 0:
            res = (self.nums[len(self.nums)/2]+self.nums[len(self.nums)/2-1])/2.0
        else:
            res = self.nums[len(self.nums)//2]
        return res