求中位数

[题意]给出n(1~250000)个数(int以内),求中位数 [题解]一开始直接sort,发现MLE,才发现内存限制1024k,那么就不能开int[250000]的数组了(4*250000=1,000,000大约就是1M内存). 后来发现可以使用长度为n/2+1的优先队列,即包含前一半的数以及中位数,其他数在读入的时候就剔除,这样可以省一半的空间. 1 #include<bits/stdc++.h> 2 #define eps 1e-9 3 #define FOR(i,j,k) for(in

题目链接:http://poj.org/problem?id=2388 题目大意: 奇数个数排序求中位数 解题思路:看代码吧! AC Code: 1 #include<stdio.h> 2 #include<algorithm> 3 using namespace std; 4 int main() 5 { 6 int n; 7 while(scanf("%d",&n)!=EOF) 8 { 9 int na[n+1]; 10 for(int i=0; i

题意. 1000个case 每个case 输入若干个数,对第k个输入,如果k为奇数,则输出前k个数的中位数 那么这就是动态求中位数了 实现的思路也比较简洁 用两个堆, 大顶堆和小顶堆 每次输入一个数,如果这个数比当前的中位数大,就存入小顶堆中,  否则就存入大顶堆. 然后调整, 小顶堆元素的个数要等于大顶堆的元素个数,或者比其多1. 如果小顶堆的元素太多,就塞到大顶堆里,反之亦然 这样一来就会发现.小顶堆的元素比所有大顶堆的元素都大, 而且小顶堆的堆顶就是中位数. 那么怎么样才能想到这样一个思路

在做uva11300时,遇到了n < 1000 000的中位数,就看了一下线性求中位数. 和快排的思想很像,同理,线性求第k大数,算法如下: ①以某个数x将一段数组分成两部分,比x小的放在左边,比x大的放在右边 ②如果x刚好是出于要找的位置的,直接返回 ③如果在x的左边,则递归在x的右边找 ④如果在x的右边,则递归在x的左边找 代码如下: 1 /*=============================================================== 2 * Copyrig

堆 堆的动态创建与删除可参考 http://www.java3z.com/cwbwebhome/article/article1/1362.html?id=4745,此处不再赘述. 双堆求中位数 算法描述: 1.创建两个堆(一个小根堆.一个大根堆),堆大小至少为给定数据个数的一半,向上取整: 2.假定变量mid用来保存中位数,取定第一个元素,赋值给mid,即作为初始的中位数: 3.依次遍历后面的每一个数据,如果比mid小,则插入大根堆:否则插入小根堆: 4.如果大根堆和小根堆上的数据个数相差为2

在线求第k个数做得多了,在线求中位数也是用堆,一个最大堆,一个最小堆. 思想大概是这样子的: 一个最大堆,一个最小堆,最大堆对应于前n/(n+1)个数,最小堆对应于后n/n+1个数:假设最大堆堆项元素为n1, 最小堆堆顶为n2, 则n1 <= n2; 确保两个堆的大小最多只差1. 设最大堆大小为s1, 最小堆大小为s2,则abs(s1-s2) <= 1: 对于新来的数m,分情况调整: 如果s1== s2, 那么:如果m<= n2, m插入到最大堆,s1= s1+1; 否则插入到最小堆,s

题目难度---困难 题目要求: 给定两个大小为 m 和 n 的有序数组 nums1 和 nums2 . 请找出这两个有序数组的中位数.要求算法的时间复杂度为 O(log (m+n)) . 思路:第一眼看到题目两个数组求中位数,看似很复杂,但是仔细一想,两个数组合在一块不久行了?然后合并后的数组给他排序,进而判断是奇数位数组还是偶数位数组 ok!代码奉上: public static double findMedianSortedArrays(int[] nums1, int[] nums2) {

方法类似于快速排序,只是它只处理单侧的情况. Erlang:这里对于奇数和偶数都是求下中位数 find_median([]) ->error; find_median(A) ->find_median(A,(len(A)+1) div 2). find_median([H|T],Idx) ->Len=len([X||X<-T,X<H]), if Len =:= Idx-1 ->[H]; Len > Idx-1 ->find_median([X||X<-

今天在某个群中看到有人问在流式的数据中如何动态的维护中位数的方法,因为之前看到同学的一个问题,当时他没答出来.但是后来了解到类似top(k),last(k)需要用到最大堆,最小堆一样,中位数需要利用双堆维护一下. 先复习一下,如果是静态的数据求取中位数的方法有哪些呢? (1)排序 (2)fink-k 这两种方法不太适合于流式的数据动态变更中位数,所以就引出了双堆求取中位数的策略: 算法如下: 1.初始化的时候设置两个变量分别记录两个堆[左堆和右堆]的元素的个数. 2.取第一个元素[d[0]]作为