剑指 Offer 41. 数据流中的中位数
作者:互联网
剑指 Offer 41. 数据流中的中位数
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。
例如,
[2,3,4] 的中位数是 3
[2,3] 的中位数是 (2 + 3) / 2 = 2.5
设计一个支持以下两种操作的数据结构:
- void addNum(int num) - 从数据流中添加一个整数到数据结构中。
- double findMedian() - 返回目前所有元素的中位数。
示例 1:
输入: ["MedianFinder","addNum","addNum","findMedian","addNum","findMedian"] [[],[1],[2],[],[3],[]] 输出:[null,null,null,1.50000,null,2.00000]
示例 2:
输入: ["MedianFinder","addNum","findMedian","addNum","findMedian"] [[],[2],[],[3],[]] 输出:[null,null,2.00000,null,2.50000]
我想到的方法是用一个vector数组作为容器,插入排序,add的时间复杂度是在O(n),空间复杂度是在O(1)
class MedianFinder { public: vector<int> v; int sum=0; MedianFinder() { } void addNum(int num) { int i = 0; int n = v.size(); while (i < n&&v[i] < num) { i++; } v.emplace(v.begin() + i, num); sum++; } double findMedian() { int mid = sum / 2; if (sum % 2 == 0) { return (double)(v[mid] + v[mid - 1]) / 2; } return v[mid]; } };
执行时间超过了6%。。。,后面看了大神的写法,用的大顶堆,小顶堆,用的优先队列。。(又学习到一种数据结构)
class MedianFinder { public: /** initialize your data structure here. */ priority_queue<int> big; priority_queue<int,vector<int>,greater<int>> small; MedianFinder() { } void addNum(int num) { if(big.empty()) big.push(num); else{ if(num<=big.top()){ big.push(num); if(big.size()>small.size()+1){ small.push(big.top()); big.pop(); } } else { small.push(num); if(small.size()>big.size()+1){ big.push(small.top()); small.pop(); } } } } double findMedian() { if(big.size()==small.size()) return (double)(big.top()+small.top())/2; return big.size()>small.size()?big.top():small.top(); } };
真的强!!!
标签:Offer,big,addNum,中位数,num,small,41,size 来源: https://www.cnblogs.com/4jiu/p/15950672.html