295. 数据流的中位数
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:
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:
addNum(1)
addNum(2)
findMedian() -> 1.5
addNum(3)
findMedian() -> 2
进阶:
如果数据流中所有整数都在 0 到 100 范围内,你将如何优化你的算法?
如果数据流中 99% 的整数都在 0 到 100 范围内,你将如何优化你的算法?
思路
最近在学习Go,C++好久没写了。
不过这个题用C++的STL里的大顶堆小顶堆在合适不过,我只需要push,pop就行了,所以偷了个懒。
平常编程别忘了#include <queue>。
我的代码
class MedianFinder {
public:
MedianFinder() {
}
void addNum(int num) {
if (V.size()==0) {
V.push(num);
return;
}
if (V.size() == A.size()) {
if (num >= A.top())
V.push(num);
else {
V.push(A.top());
A.pop();
A.push(num);
}
}
else
if (num >= V.top()) {
V.push(num);
A.push(V.top());
V.pop();
}
else
A.push(num);
}
double findMedian() {
if (V.size() == A.size()) {
return (A.top() + V.top()) / 2.0;
}
else
return V.top();
}
priority_queue<int> A;
priority_queue<int, vector<int>, greater<int> > V;
};