Trova la mediana dal flusso di dati
Guida dettagliata e implementazione Python per il problema "Trova la mediana dal flusso di dati".
1. Impara
Il problema "Trova la mediana dal flusso di dati" è una sfida chiave nella sezione Heap/Coda prioritaria.
Questa implementazione si concentra sulla logica di livello hard in Python.
Diamo priorità all'accuratezza tecnica e alla leggibilità del codice nelle soluzioni fornite.
2. Real-World Applications
3. Visual Intuition
Visualizzazione del flusso logico per Trova mediana dal flusso di dati.
4. Prerequisites
5. Step-by-Step Thinking
1. Understand the problem
Leggere attentamente la dichiarazione del problema per Trova mediana dal flusso di dati.
2. Formulate brute force
Elaborare una semplice soluzione iterativa.
3. Identify inefficiency
Cerca calcoli ridondanti.
4. Optimize search path
Utilizza l'hashing o l'ordinamento per accelerare il processo.
5. Final Implementation
Ripulire il codice per gli standard di produzione.
Dichiarazione del problema
La mediana è il valore medio in un elenco intero ordinato. Se la dimensione dell'elenco è pari, non esiste un valore medio e la mediana è la media dei due valori medi.
Implementa la classe MedianFinder:
- MedianFinder() Inizializza l'oggetto MedianFinder.
- addNum(num: int) Aggiunge il numero intero dal flusso di dati alla struttura dei dati.
- findMedian() -> float Restituisce la mediana di tutti gli elementi finora.
L'input è un elenco di operazioni e argomenti. Implementa una funzione medianFinder(operations: list, arguments: list) -> list che restituisce un elenco di risultati (Nessuno per costruttore/addNum, float per findMedian).
- •-10^5 <= num <= 10^5
- •There will be at least one element in the data structure before calling findMedian
- •At most 5 * 10^4 calls will be made to addNum and findMedian
Esempi
operations = ["MedianFinder", "addNum", "addNum", "findMedian", "addNum", "findMedian"], arguments = [[], [1], [2], [], [3], []]
[None, None, None, 1.5, None, 2.0]
Initialize. Add 1, 2. Median is 1.5. Add 3. Median is 2.0.
Need a Hint?
Edge Cases to Watch
- Strutture di input vuote
- Ingressi a elemento singolo
- Grandi limiti numerici
Pronto a risolvere?
Open the problem in PyRun's browser-based Python editor. Your code runs fully offline — no server required.
Approfondimenti e variazioni dell'intervista
Scomposizione dell'analisi della complessità
Perché il tempo: Directly evaluates all possibilities.
Perché lo spazio: Uses standard local memory.
Perché il tempo: Optimized paths reduce total operations.
Perché lo spazio: May trade memory for speed.
Codice Python della soluzione ottimizzata
Codice Python della soluzione ottimizzata
import heapq
class MedianFinderOpt:
def __init__(self):
self.small, self.large = [], []
def addNum(self, num):
heapq.heappush(self.small, -1 * num)
if self.small and self.large and (-1 * self.small[0]) > self.large[0]:
val = -1 * heapq.heappop(self.small)
heapq.heappush(self.large, val)
if len(self.small) > len(self.large) + 1:
val = -1 * heapq.heappop(self.small)
heapq.heappush(self.large, val)
if len(self.large) > len(self.small) + 1:
val = heapq.heappop(self.large)
heapq.heappush(self.small, -1 * val)
def findMedian(self):
if len(self.small) > len(self.large): return -1 * self.small[0]
if len(self.large) > len(self.small): return self.large[0]
return (-1 * self.small[0] + self.large[0]) / 2Codice forza bruta (protetto da spoiler)
Codice forza bruta (protetto da spoiler)
class MedianFinderBrute:
def __init__(self):
self.nums = []
def addNum(self, num):
self.nums.append(num)
def findMedian(self):
self.nums.sort()
n = len(self.nums)
if n % 2: return self.nums[n//2]
return (self.nums[n//2-1] + self.nums[n//2]) / 2Algorithm Pattern Checklist
When dealing with Heap / Priority Queue data patterns.
- Are constraints clear?
- Is there a linear or logarithmic optimization possible?
Key Revision Notes
Si applicano le proprietà del problema Heap/Coda con priorità standard.
Domande correlate
PyRun is built and maintained by an independent solo developer. If this helped your interview prep, consider buying a coffee!
Risorse Python consigliate
Espandi le tue conoscenze con tutorial interattivi, foglietti illustrativi e confronti di codici correlati.
Cicli Python
Scopri come utilizzare i loop Python per eseguire iterazioni sui dati. Padroneggia le best practice sui cicli for, while, interruzione, continua e loop con esempi interattivi.
Come rimuovere i duplicati da un elenco in Python
Scopri come rimuovere i duplicati da un elenco in Python mantenendo o ignorando l'ordine. Confronta conversioni di set, chiavi dict e metodi di loop.
Foglio informativo su raccolte Python e strutture dati
Guida completa al modulo delle raccolte Python e alle strutture dati native. Impara elenchi, dettami, insiemi, tuple, deque e tuple nominate.
Python vs JavaScript: quale linguaggio di programmazione è il migliore?
Un confronto completo tra Python e JavaScript. Esplora le differenze di sintassi, le prestazioni, i casi d'uso (backend e frontend) ed esempi di codifica.