文章目錄

• • 1. 題目
  • 2. 大小堆解題

1. 題目

中位數是有序列表中間的數。如果列表長度是偶數，中位數則是中間兩個數的平均值。

例如， [2,3,4] 的中位數是 3 [2,3] 的中位數是 (2 + 3) / 2 = 2.5設計一個支持以下兩種操作的數據結構：void addNum(int num) - 從數據流中添加一個整數到數據結構中。 double findMedian() - 返回目前所有元素的中位數。示例： addNum(1) addNum(2) findMedian() -> 1.5 addNum(3) findMedian() -> 2進階: 如果數據流中所有整數都在 0 到 100 范圍內，你將如何優化你的算法？ 如果數據流中 99% 的整數都在 0 到 100 范圍內，你將如何優化你的算法？

來源：力扣（LeetCode）
鏈接：https://leetcode-cn.com/problems/find-median-from-data-stream

《劍指Offer》同題：面試題41. 數據流中的中位數 鏈接

2. 大小堆解題

參考我的博客 數據結構 堆（優先隊列）

類似題目：
LeetCode 480. 滑動窗口中位數（大小堆升級版+set實現）
LeetCode 703. 數據流中的第K大元素（優先隊列）

• 建立大頂堆（存放數據中較小的部分），小頂堆（存放較大的部分）
• 同時維護兩個堆的大小相等或者大頂堆多一個
• 那么兩個堆的堆頂就是中間的數據，根據奇偶，輸出堆頂

class MedianFinder {priority_queue<int> maxHeap;priority_queue<int,vector<int>,greater<int>> minHeap;int n = 0;//數據計數 public:MedianFinder() {}void addNum(int num) {++n;if(maxHeap.size() <= minHeap.size()){if(maxHeap.empty() || num <= minHeap.top())maxHeap.push(num);else//(num > minHeap.top()){maxHeap.push(minHeap.top());minHeap.pop();minHeap.push(num);} }else// maxHeap.size() > minHeap.size(){if(num < maxHeap.top()){minHeap.push(maxHeap.top());maxHeap.pop();maxHeap.push(num);}elseminHeap.push(num);}}double findMedian() {if(n%2 == 1)return maxHeap.top();return (maxHeap.top()+minHeap.top())/2.0;} };

總結

以上是生活随笔為你收集整理的LeetCode 295. 数据流的中位数（大小堆）的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。