用vector建堆

这里用最大堆为例

建堆

vector<int> vec = {3,5,7,4,9,1,4,5,8};

make_heap(vec.begin(), vec.end(), greater<int>() );//1 3 4 4 5 7 9 5 8//greater用法和sort一样，greater指升序，这里指最小堆

make_heap(vec.begin(), vec.end());//9 8 7 5 5 1 4 3 4//默认参数是less构造最大堆



//当然，要是空堆就是一个空vector

调整堆

//对于插入，需要先push_back（此时堆性质被破坏），再调整push_heap（调整好）。
//也是按照正常的堆插入元素的步骤来的。
//9 8 7 5 5 1 4 3 4（最大堆）
vec.push_back(21);//9 8 7 5 5 1 4 3 4 21
push_heap(vec.begin(), vec.end(), less<int>() );//21 9 7 5 8 1 4 3 4 5

//弹出最大的元素，同堆的操作步骤，将最大元素调整到尾部，然后pop_back，堆性质保持
//21 9 7 5 8 1 4 3 4 5
pop_heap(vec.begin(), vec.end(), less<int>() );//9 8 7 5 5 1 4 3 4 21
vec.pop_back();//9 8 7 5 5 1 4 3 4

例题？

数据流的中位数

题目描述

如何得到一个数据流中的中位数？如果从数据流中读出奇数个数值，那么中位数就是所有数值排序之后位于中间的数值。如果从数据流中读出偶数个数值，那么中位数就是所有数值排序之后中间两个数的平均值。我们使用Insert()方法读取数据流，使用GetMedian()方法获取当前读取数据的中位数。

//用两个堆达到插入O(lgn)，查询O(n)的效果。
class Solution {
    vector<int> maxHeap;
    vector<int> minHeap;
    
public:
    void Insert(int num){
        if((minHeap.size()+maxHeap.size()) & 0x1){//保证两个堆的size差<=1,size和为奇数时插进minHeap
            if(maxHeap.size()>0 && num<maxHeap[0]){//保证最小堆的数 都大于 最大堆。
                maxHeap.push_back(num);
                push_heap(maxHeap.begin(), maxHeap.end(), less<int>() );
                
                num = maxHeap[0];
                pop_heap(maxHeap.begin(), maxHeap.end(), less<int>() );
                maxHeap.pop_back();
            }
            minHeap.push_back(num);
            push_heap(minHeap.begin(), minHeap.end(), greater<int>() );
        }else{
            if(minHeap.size()>0 && num>minHeap[0]){
                minHeap.push_back(num);
                push_heap(minHeap.begin(), minHeap.end(), greater<int>() );
                
                num = minHeap[0];
                pop_heap(minHeap.begin(), minHeap.end(), greater<int>() );
                minHeap.pop_back();
            }
            maxHeap.push_back(num);
            push_heap(maxHeap.begin(), maxHeap.end(), less<int>() );
        }
    }

    double GetMedian(){
        int size = maxHeap.size() + minHeap.size();
        if(size==0)
            return 0;
        
        double median = 0;
        if(size & 0x1)
            median = maxHeap[0];//因为第一个元素插最大堆，所以最大堆>=最小堆
        else
            median = (maxHeap[0]+minHeap[0])/2.0;
        return median;
    }
};