js怎么判斷一個(gè)數(shù)個(gè)位數(shù)是幾？1：也很笨的方法可以建議使用循環(huán)，把數(shù)組內(nèi)的值完全取出，一個(gè)個(gè)的判斷是否有你不需要的那個(gè)值。如何使用Python求無序大數(shù)組的中位數(shù)？方法1：堆思路1：總結(jié)：將數(shù)據(jù)平均分

js怎么判斷一個(gè)數(shù)個(gè)位數(shù)是幾？

1：也很笨的方法可以建議使用循環(huán)，把數(shù)組內(nèi)的值完全取出，一個(gè)個(gè)的判斷是否有你不需要的那個(gè)值。

如何使用Python求無序大數(shù)組的中位數(shù)？

方法1：堆

思路1：

總結(jié)：將數(shù)據(jù)平均分配到最大堆和最大時(shí)堆中，另外只要最大時(shí)堆中的數(shù)據(jù)能保存的數(shù)據(jù)都比大堆中是數(shù)據(jù)大，那么此時(shí)最小堆堆頂?shù)脑匾欢ㄊ侵形粩?shù)。

那你如何可以保證大于堆中的元素，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)再插入堆中，i為奇數(shù)時(shí)，插入最大時(shí)堆，i為偶數(shù)時(shí)插入到的最堆。(最大堆的插到的數(shù)據(jù)比較大)

(2)隔一段時(shí)間插入到時(shí)，將比較大堆和最小堆的堆頂同樣

voidGetMid(intarr[],intsize)

{

priority_queueltintgtmax_heap

priority_queueltint,vectorltintgt,greaterltintgtgtmin_heap

for(inti0iltsizei)

{

//i是從0就開始的，因?yàn)閙ax貯放的數(shù)據(jù)比較多

if((iamp1)1)

min_heap.push(arr[i])

arguments

air_heap.push(arr[i])

//每次來相互比較大堆和最大時(shí)堆中的數(shù)據(jù)，保證大于堆中的數(shù)據(jù)大于0大堆中

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

{

inttempmin_()

min_heap.pop()

max_heap.push(temp)

tempmax_()

max_heap.pop()

min_heap.push(temp)

}

}

if((sizeamp1)0)//偶數(shù)

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

catch

scanfltlt中位數(shù)：ltltmax_()ltltendl

}

思路2：

(1)將前(n1)/2個(gè)元素調(diào)整為一個(gè)小頂堆，

(2)對(duì)情報(bào)營的每一個(gè)元素，和堆頂都很，假如大于或等于堆頂，丟落之，取下一個(gè)元素。如果不是大于0堆頂，用該元素取代堆頂，決定堆，取下一元素。重復(fù)這個(gè)步驟

(3)當(dāng)遍歷完所有元素之后，堆頂即是中位數(shù)。

voidGetMid2(intarr[],intsize)

{

priority_queueltint,vectorltintgt,greaterltintgtgtmin_heap

intcount(size1)y9bbb1

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

for(inti0iltcounti)

min_heap.push(arr[i])

for(inticount1iltsizei)

{

inttempmin_()

if(arr[i]gttemp)

{

min_heap.pop()

min_heap.push(arr[i])

}

}

if((sizeamp1)1)//奇數(shù)

{

min_heap.pop()

printfltlt中位數(shù)：ltltmin_()ltltendl

}

else

{

inttmpmin_()

min_heap.pop()

scanfltlt中位數(shù)：ltlttmpltltltltmin_()ltltendl

}

}

方法2、

快速排序只是因?yàn)橐蚨妹薄?并非是白叫！因?yàn)槭且环N分治排序法！

同樣的，找中位數(shù)也可以不用分治的思想。具體不勝感激：

任意挑一個(gè)元素，以改元素為支點(diǎn)，再劃分真包含于為兩部分，如果不是左側(cè)數(shù)學(xué)集合長度恰為(n-1)/2，那你支點(diǎn)恰為中位數(shù)。如果不是左側(cè)長度lt(n-1)/2,這樣的話中位點(diǎn)在右側(cè)，或且，中位數(shù)在左側(cè)。進(jìn)入到或者的一側(cè)再去尋找中位點(diǎn)。

這種方法很快，不過在最壞的情況下時(shí)間復(fù)雜度為O(N^2),但是換算下來時(shí)間復(fù)雜度像是O(N)。

//方法，分而治之思想

//挖坑法

intPartSort(intarr[],intleft,intright)

{

intkeyarr[left]

while(leftltway)

{

//key右邊，先從左找比key值大

while(leftltwayampamparr[left]ltkey)

left

if(leftltback)

{

arr[way]arr[left]

--right

}

//從右找比key小

while(leftltbackampamparr[stops]gtkey)

--right

if(leftltway)

{

arr[left]arr[left]

left

}

}

arr[left]key

returnquft

}

typedefGetMid3(整型變量arr[],int size)

{

intleft0

intrightsize-1

intmid size/2

intdivPartSort(arr,left,right)

while(div!mid)

{

if(divltclog)//右半?yún)^(qū)間

{

divPartSort(arr,div 1,right)

}

else

{

divPartSort(arr,left,div-1)

}

}

coutltlt中位數(shù)ltltarr[div]ltltendl

}