데이터 스트림에서 중앙값 찾기
'데이터 스트림에서 중앙값 찾기' 문제에 대한 자세한 가이드 및 Python 구현입니다.
1. 배우다
'데이터 스트림에서 중앙값 찾기' 문제는 힙/우선순위 큐 섹션의 핵심 과제입니다.
이 구현은 Python의 하드 수준 논리에 중점을 둡니다.
우리는 제공되는 솔루션에서 기술적 정확성과 코드 가독성을 최우선으로 생각합니다.
2. Real-World Applications
3. Visual Intuition
데이터 스트림에서 중앙값 찾기에 대한 논리 흐름 시각화.
4. Prerequisites
5. Step-by-Step Thinking
1. Understand the problem
데이터 스트림에서 중앙값 찾기에 대한 문제 설명을 주의 깊게 읽어보세요.
2. Formulate brute force
간단한 반복 솔루션 초안을 작성합니다.
3. Identify inefficiency
중복 계산을 찾으십시오.
4. Optimize search path
해싱이나 정렬을 사용하여 프로세스 속도를 높입니다.
5. Final Implementation
생산 표준에 맞게 코드를 정리합니다.
문제 설명
중앙값은 정렬된 정수 목록의 중간 값입니다. 목록의 크기가 짝수인 경우에는 중간 값이 없으며 중앙값은 두 중간 값의 평균입니다.
MedianFinder 클래스를 구현합니다.
- MedianFinder() MedianFinder 객체를 초기화합니다.
- addNum(num: int) 데이터 스트림의 정수 num을 데이터 구조에 추가합니다.
- findMedian() -> float 지금까지의 모든 요소의 중앙값을 반환합니다.
입력은 작업 및 인수 목록입니다. 결과 목록을 반환하는 medianFinder(operations: list, arguments: list) -> list 함수를 구현합니다(생성자/addNum의 경우 None, findMedian의 경우 float).
- •-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
예
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
- 빈 입력 구조
- 단일 요소 입력
- 큰 수치 범위
해결할 준비가 되셨나요?
Open the problem in PyRun's browser-based Python editor. Your code runs fully offline — no server required.
인터뷰 통찰력 및 변형
복잡성 분석 분석
왜 시간인가?: Directly evaluates all possibilities.
왜 우주인가?: Uses standard local memory.
왜 시간인가?: Optimized paths reduce total operations.
왜 우주인가?: May trade memory for speed.
최적화된 솔루션 Python 코드
최적화된 솔루션 Python 코드
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]) / 2무차별 대입 코드(스포일러 보호)
무차별 대입 코드(스포일러 보호)
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
표준 힙/우선순위 큐 문제 속성이 적용됩니다.
관련 질문
PyRun is built and maintained by an independent solo developer. If this helped your interview prep, consider buying a coffee!
권장 Python 리소스
관련 대화형 튜토리얼, 치트 시트, 코드 비교를 통해 지식을 확장하세요.
Python 루프
Python 루프를 사용하여 데이터를 반복하는 방법을 알아보세요. 대화형 예제를 통해 for 루프, while 루프, 중단, 계속 및 루프 모범 사례를 마스터하세요.
Python의 목록에서 중복 항목을 제거하는 방법
순서를 유지하거나 무시하면서 Python의 목록에서 중복 항목을 제거하는 방법을 알아보세요. 집합 변환, dict 키 및 루프 방법을 비교합니다.
Python 컬렉션 및 데이터 구조 치트 시트
Python 컬렉션 모듈 및 기본 데이터 구조에 대한 전체 가이드입니다. 목록, 사전, 집합, 튜플, 데크 및 명명된 튜플을 알아보세요.
Python 대 JavaScript: 어떤 프로그래밍 언어가 가장 좋나요?
Python과 JavaScript를 포괄적으로 비교합니다. 구문 차이점, 성능, 사용 사례(백엔드와 프런트엔드) 및 코딩 예제를 살펴보세요.