LeetCode数据流简单解python题解_leetcode python stdout output无内容-CSDN博客

这篇博客介绍了如何设计一个数据结构来支持在数据流中动态添加整数并实时计算中位数。使用Python实现了一个MedianFinder类，通过添加元素到列表并排序来找到中位数。对于0到100范围内的数据流，可以考虑使用二分堆或快速选择等高效算法进行优化，以减少排序的时间复杂度。文章讨论了在数据流中99%的整数都在0到100范围内时可能的优化策略，但具体实现未在代码中展示。

295.数据流的中位数

题目：

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？

解题思路：

题目要求我们求中位数，看LeetCode给出的基本框架，
我们知道，执行代码时，会在addnum函数里填入数字，在medianfinder里面输出中位数。
我们只需要知道以下几点就能解题：
1，如何求中位数
2，如何利用addnum函数填入数字
中位数的求法很简单，直接排序取中间值就行
取中位数的方法：
如果一个列表是奇数个元素[1,2,3]则取列表长度的中间值，即：
len(all)//2 整除
如果一个列表是偶数个元素[1,2,3,4]则取列表长度的中间两个数的平均数，即：
(len(all)//2+len(all)//2-1)//2

代码：

class MedianFinder:

    def __init__(self):
        """
        initialize your data structure here.
        """
        self.all = []
    #     定义一个空集all用来存放所有的数据

    def addNum(self, num: int) -> None:
        self.all.append(num)
    #     将系统给出的数据添加到all里

    def findMedian(self) -> float:
        c = len(self.all) % 2
        self.all.sort()
        if self.all == []:
            return []
        # 如果all里一个数据都没有就返回一个空集
        else:
            if c == 0:
                median = (self.all[len(self.all) // 2] + self.all[len(self.all) // 2 - 1]) / 2
                return median
            else:
                median = self.all[len(self.all) // 2]
                return median