OJ_4_数据流中的中位数

 1 #include <iostream>
 2 #include <vector>
 3 #include <queue>
 4 
 5 using namespace std;
 6 
 7 //数据流的中位数
 8 class Solution {
 9 private:
10     int count = 0;
11     priority_queue<int,vector<int>> max_heap;  //最大堆
12     priority_queue<int,vector<int>,greater<int>> min_heap;  //最小堆
13 
14 public:
15     void Insert(int num)
16     {
17         count++;
18         //第偶数个->插入最小堆;
19         if((count & 1)==0){   //偶数 判断偶数的高效写法
20             min_heap.push(num);
21             if(!max_heap.empty() && max_heap.top()>num)   //如果要插入的新元素比最大堆的堆顶要小
22             {
23                 min_heap.pop();
24 
25                 int temp = max_heap.top();
26                 max_heap.pop();
27                 min_heap.push(temp);    //最大堆的堆顶插入最小堆
28 
29                 max_heap.push(num);     //新元素插入最大堆
30             }
31         }
32         //第奇数个->插入最大堆；
33         else{
34             max_heap.push(num);
35             if(!min_heap.empty() && min_heap.top() < num){   //如果要插入的新元素比最小堆的堆顶要大
36                 max_heap.pop();
37 
38                 int temp = min_heap.top();
39                 min_heap.pop();
40                 max_heap.push(temp);    //最小堆的堆顶插入最大堆
41 
42                 min_heap.push(num);     //新元素插入最小堆
43             }
44         }
45         //以上的方式可以一直维持中位数在最小堆和最大堆的堆顶，如果个数为偶数，则为两堆堆顶的平均数，如果个数为奇数，则为最大堆堆顶；
46     }
47 
48     double GetMedian()
49     {
50         double res;
51         if((count &1) == 0){  //偶数
52             res = ((double)max_heap.top()+(double)min_heap.top())/2;
53         }
54         else{
55             res = max_heap.top();
56         }
57 
58         return res;
59     }
60 
61 };
62 
63 int main()
64 {
65     Solution sol;
66     vector<int> nums={5,2,3,4,1,6,7,0,8,5};
67     for(int i =0; i<nums.size();i++){
68         sol.Insert(nums[i]);
69     }
70     cout<<sol.GetMedian()<<endl;
71 }