标签：max 存储 data 中位数 vector current top number 返回
中位数是有序列表中间的数。如果列表长度是偶数，中位数则是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：
示例：
addNum(1) addNum(2) findMedian() -> 1.5 addNum(3) findMedian() -> 2
这个题太过巧妙，我是直接学习LeetCode英文版的解答的。在这个题中，使用了两个堆（优先队列）。其中，一个堆为大顶堆，一个堆为小型堆。大顶堆存数组左边的数据，小顶堆存数组右边的数据。那么，小顶堆堆顶和大顶堆对顶是唯一提供中位数的可能来源。
为了保持大顶堆和小顶堆的平衡，设定小顶堆比大顶堆最多存储多一个元素。
至于添加操作，首先是把添加元素放入大顶堆。再把大顶堆的最大元素转移到小顶堆。如果小顶堆比大顶堆大，再把小顶堆元素转移到大顶堆。
class MedianFinder { priority_queue<int> lo; // max heap priority_queue<int, vector<int>, greater<int>> hi; // min heap public: // Adds a number into the data structure. void addNum(int num) { lo.push(num); // Add to max heap hi.push(lo.top()); // balancing step lo.pop(); if (lo.size() < hi.size()) { // maintain size property lo.push(hi.top()); hi.pop(); } } // Returns the median of current data stream double findMedian() { return lo.size() > hi.size() ? (double) lo.top() : (lo.top() + hi.top()) * 0.5; } };
标签：max 存储 data 中位数 vector current top number 返回
原文地址：https://www.cnblogs.com/hlk09/p/9745268.html
