python中的大小堆 heapq

首先看例子：https://leetcode-cn.com/problems/shu-ju-liu-zhong-de-zhong-wei-shu-lcof

解：

from heapq import *
class MedianFinder:
    def __init__(self):
        # 大小堆一半一半，中位数只要取堆顶   但是python中的堆  堆的索引位置0的值是堆中的最小值 【B | A】
        """
建立一个 小顶堆 A 和 大顶堆 B ，各保存列表的一半元素，且规定：

A 保存 较大 的一半，长度为 frac{N}{2}（ N 为偶数）或 frac{N+1}{2} （ N 为奇数）；
B 保存 较小 的一半，长度为 frac{N}{2}（ N 为偶数）或 frac{N-1}{2} （ N 为奇数）；
随后，中位数可仅根据 A, B的堆顶元素计算得到。

        """ 
        self.A = [] #小顶堆  堆顶为最小值 
        self.B = [] #大顶堆  堆顶为最大值（所以实现起来  用  负数）


    def addNum(self, num: int) -> None:
        if len(self.A)!=len(self.B):
            heappush(self.A,num)
            heappush(self.B,-heappop(self.A)) 
        else:
            heappush(self.B,-num)
            heappush(self.A,-heappop(self.B))

        

    def findMedian(self) -> float:
        return self.A[0] if len(self.A) != len(self.B) else (self.A[0] - self.B[0]) / 2.0

heap

文档：heapq --- 堆队列算法 — Python 3.10.0 文档

• 只能是列表
• 能通过"<"比较  
• 堆特性

　　　　一个列表heap它里面的每一个元素都符合    heap[0] <= heap[2*k+1]和heap[0] <= heap[2*k+2]  ，那么这个heap就具有堆特性(python中的堆是最小堆, 也就是说堆的索引位置0的值是堆中的最小值.)

heapq.heappop(heap) 弹出索引位置0中的值

大佬：heapq.heappop(heap) 弹出索引位置0中的值 - 跟丫死磕 (weshallneversurrender.com)

heapq.heappush() 将一个对象压入堆中

大佬：python heapq.heappush() 将一个对象压入堆中 - 跟丫死磕 (weshallneversurrender.com)

C++中的大小堆用法解题

用库函数 priority_queue<int,vector<int>,less<int>> or priority_queue<int,vector<int>,greater<int>> 方便地实现大小堆：Priority Queue in C++ Standard Template Library (STL) - GeeksforGeeks

方法：

• res = minHeap.pop()
• minHeap.top()
• minHeap.push(item)

class MedianFinder {
public:
    //  【左边 | 右边】
    // 最大堆 堆顶为最大值 存储左边一半
    priority_queue<int,vector<int>,less<int>> maxHeap;
    // 最小堆 堆顶为最小值 存储右边一半
    priority_queue<int,vector<int>,greater<int>> minHeap;
    MedianFinder() {
    }
    
    void addNum(int num) {
        if(maxHeap.size()!=minHeap.size()){
            maxHeap.push(num);
            int top_of_maxHeap = maxHeap.top();
            maxHeap.pop();
            minHeap.push(top_of_maxHeap);
        }else{
            minHeap.push(num);
            int top_of_minHeap = minHeap.top();
            minHeap.pop();
            maxHeap.push(top_of_minHeap);
        }
    }
    
    double findMedian() {
        if(maxHeap.size()!=minHeap.size()){
            return maxHeap.top()*1.0;
        }else{
            return (maxHeap.top()+minHeap.top())*1.0/2;
        }
    }
};