295.数据流的中位数.py

#
# @lc app=leetcode.cn id=295 lang=python3
#
# [295] 数据流的中位数
#
# https://leetcode.cn/problems/find-median-from-data-stream/description/
#
# algorithms
# Hard (53.06%)
# Likes:    755
# Dislikes: 0
# Total Accepted:    94.7K
# Total Submissions: 178.4K
# Testcase Example:  '["MedianFinder","addNum","addNum","findMedian","addNum","findMedian"]\n' +
  '[[],[1],[2],[],[3],[]]'
#
# 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？
# 
# 
#

# @lc code=start
import heapq
class MedianFinder:

    # 1. 大根堆+小根堆 O(logN) O(N)
    def __init__(self):
      self.small = []
      self.big = []
      
    def addNum(self, num: int) -> None:
      if len(self.small) != len(self.big):
        heapq.heappush(self.big, -heapq.heappushpop(self.small, num))
      else:
        heapq.heappush(self.small, -heapq.heappushpop(self.big, -num))


    def findMedian(self) -> float:
      if len(self.small) != len(self.big):
        return self.small[0]
      else:
        return (self.small[0] - self.big[0]) / 2

# Your MedianFinder object will be instantiated and called as such:
# obj = MedianFinder()
# obj.addNum(num)
# param_2 = obj.findMedian()
# @lc code=end