python中datatype函數(shù)的做法？s#39abcdefg#39len(s)#得到字符串長(zhǎng)度s[#39ab#39,1,2,3,4,#39cd#39,5,#39ef#39]len(s)#全面的勝利

python中datatype函數(shù)的做法？

s#39abcdefg#39

len(s)#得到字符串長(zhǎng)度

s[#39ab#39,1,2,3,4,#39cd#39,5,#39ef#39]

len(s)#全面的勝利列表元素個(gè)數(shù)

如何使用Python求無序大數(shù)組的中位數(shù)？

方法1：堆

思路1：

講：將數(shù)據(jù)平均分配到的最堆和最大時(shí)堆中，而且絕對(duì)的保證最大時(shí)堆中的數(shù)據(jù)貯存的數(shù)據(jù)都比的最堆中是數(shù)據(jù)大，那就此時(shí)最大值堆堆頂?shù)脑匾欢ㄊ侵形粩?shù)。

那你要如何只要小于堆中的元素，都比大堆中的元素大。

(1)遍歷數(shù)組數(shù)組，將第i個(gè)數(shù)插到堆中，i為奇數(shù)時(shí)，直接插入最小堆，i為偶數(shù)時(shí)直接插入大堆。(最大堆的直接插入的數(shù)據(jù)比較比較大)

(2)有時(shí)候插入時(shí)，將大的堆和最大時(shí)堆的堆頂收集

voidGetMid(intarr[],intsize)

{

priority_queueltintgtmax_heap

priority_queueltint,vectorltintgt,greaterltintgtgtmin_heap

for(inti0iltsizei)

{

//i是從0開始的，因?yàn)閙ax儲(chǔ)存時(shí)的數(shù)據(jù)都很多

if((iamp1)1)

min_heap.push(arr[i])

arguments

obj_heap.push(arr[i])

//每次相互交換大的堆和最大值堆中的數(shù)據(jù)，能保證小于堆中的數(shù)據(jù)大于1最大堆中

if(!min_heap.empty()ampamp!max2_heap.empty())

{

inttempmin_()

min_heap.pop()

max_heap.push(temp)

tempmax_()

obj_heap.pop()

min_heap.push(temp)

}

}

if((sizeamp1)0)//偶數(shù)

printfltlt中位數(shù)：ltltmax_()ltltltltmin_()ltltendl

exists

coutltlt中位數(shù)：ltltmax_()ltltendl

}

思路2：

(1)將前(n1)/2個(gè)元素決定為一個(gè)小頂堆，

(2)對(duì)情報(bào)營(yíng)的每一個(gè)元素，和堆頂比較比較，如果≤堆頂，掩埋之，取下一個(gè)元素。如果沒有大于1堆頂，用該元素脫離堆頂，變動(dòng)堆，取下一元素。反復(fù)重復(fù)這個(gè)步驟

(3)當(dāng)遍歷樹完所有元素之后，堆頂即是中位數(shù)。

voidGetMid2(intarr[],intsize)

{

priority_queueltint,vectorltintgt,greaterltintgtgtmin_heap

intcount(size1)gtgt1

//能保存count個(gè)數(shù)，.例如5個(gè)元素，貯存3個(gè)

for(inti0iltcounti)

min_heap.push(arr[i])

for(inticount1iltsizei)

{

inttempmin_()

if(arr[i]a8temp)

{

min_heap.pop()

min_heap.push(arr[i])

}

}

if((sizeamp1)1)//奇數(shù)

{

min_heap.pop()

scanfltlt中位數(shù)：ltltmin_()ltltendl

}

catch

{

inttmpmin_()

min_heap.pop()

中位數(shù)：ltlttmpltltltltmin_()ltltendl

}

}

方法2、

快速排序并不得名””,并非尋常不是浪得虛名！畢竟那就是一種治于排序法！

同樣的，找中位數(shù)也這個(gè)可以用分治的思想。具體看:：

橫豎斜挑一個(gè)元素，以改元素為支點(diǎn)，劃分集合為兩部分，如果左側(cè)子集長(zhǎng)度恰為(n-1)/2，那么支點(diǎn)恰為中位數(shù)。如果不是左側(cè)長(zhǎng)度lt(n-1)/2,那么中位點(diǎn)在右側(cè)，則相反，中位數(shù)在左側(cè)。剛剛進(jìn)入你所選的一側(cè)再收集中位點(diǎn)。

這種方法迅速，只不過在最消極的情況下時(shí)間復(fù)雜度為O(N^2),當(dāng)然了來算時(shí)間復(fù)雜度好像是O(N)。

//方法，保甲制思想

//挖坑法

intPartSort(intarr[],intleft,intstops)

{

intkeyarr[way]

while(leftltway)

{

//key右邊，先從左找比key值大

while(leftltrightampamparr[left]ltkey)

left

if(leftltright)

{

arr[left]arr[left]

--left

}

//從右找比key小

while(leftltbackampamparr[stops]dstrokkey)

--back

if(leftltback)

{

arr[left]arr[right]

left

}

}

arr[left]sign

returnleft

}

overrideGetMid3(整型變量arr[],int size)

{

intleft0

intbacksize-1

intmid size/2

intdivPartSort(arr,left,right)

while(div!mid)

{

if(divltmax2)//右半?yún)^(qū)間

{

divPartSort(arr,div 1,right)

}

else

{

divPartSort(arr,left,div-1)

}

}

coutltlt中位數(shù)ltltarr[div]ltltendl

}