中位數即是排過序後的處於陣列最中間的元素。 不考慮陣列長度為偶數的情況。設集合元素個數為n。
簡單的想了下：
思路1） 把無序陣列排好序，取出中間的元素
時間複雜度 採用普通的比較排序法 o(n*logn)
如果採用非比較的計數排序等方法， 時間複雜度 o(n), 空間複雜度也是o(n).
思路2）
2.1）將前(n+1)/2個元素調整為乙個小頂堆，
2.2）對後續的每乙個元素，和堆頂比較，如果小於等於堆頂，丟棄之，取下乙個元素。 如果大於堆頂，用該元素取代堆頂，調整堆，取下一元素。重複2.2步
2.3） 當遍歷完所有元素之後，堆頂即是中位數。
思路3）熟話說，想讓演算法跑的更快，用分治！
快速排序之所以得名"快排",絕非浪得虛名！因為快排就是一種分治排序法！
同樣，找中位數也可以用快排分治的思想。具體如下：
任意挑乙個元素，以改元素為支點，劃分集合為兩部分，如果左側集合長度恰為 (n-1)/2，那麼支點恰為中位數。如果左側長度<(n-1)/2, 那麼中位點在右側，反之，中位數在左側。 進入相應的一側繼續尋找中位點。
這種方法很快，但是在最壞的情況下時間複雜度為o(n^2), 不過平均時間複雜度好像是o(n)。
思路4) 快排的方法存在不確定性,導致其最壞和最好的時候差別很大, 那麼有沒有一種確定性的方法呢? 答案是有的
貌似演算法導論裡有講到. 這裡我就先不深究了, 可以參考如下的文章,
o(n)時間快速選擇
程式設計珠璣給出了乙個時間複雜度o（n），的解決方案。該方案改編自快速排序。
經過快排的一次劃分，
1）如果左半部份的長度》k-1，那麼這個元素就肯定在左半部份了
2）如果左半部份的長度==k-1，那麼當前劃分元素就是結果了。
3）如果。。。。。。。
引申二：
查詢n個元素中的第k個小的元素，假設記憶體受限，僅能容下k/4個元素。
分趟查詢，
第一趟，用堆方法查詢最小的k/4個小的元素，同時記錄剩下的n-k/4個元素到外部檔案。
第二趟，用堆方法從第一趟篩選出的n-k/4個元素中查詢k/4個小的元素，同時記錄剩下的n-k/2個元素到外部檔案。
。。。第四趟，用堆方法從第一趟篩選出的n-k/3個元素中查詢k/4個小的元素，這是的第k/4小的元素即使所求。
無序陣列求中位數
長度為 n 的無序陣列，求中位數，如何盡快的估算出中位數，演算法複雜度是多少？如果陣列中元素有奇數個，可以採用這種演算法 步驟 1 可以將陣列的前 n 1 2 個元素，建立 1 個最小堆 步驟 2 遍歷剩餘元素，如果剩餘元素小於堆頂元素，則丟棄或不作處理 如果剩餘元素大於堆頂元素，則將其取代堆頂元素...
求無序陣列的中位數
中位數即是排過序後的處於陣列最中間的元素。不考慮陣列長度為偶數的情況。設集合元素個數為n。簡單的想了下 思路1 這個方法不行，因為面試時真正要求是不排序 把無序陣列排好序，取出中間的元素 時間複雜度 採用普通的比較排序法 o n logn 如果採用非比較的計數排序等方法，時間複雜度 o n 空間複雜...
無序陣列的中位數
題目 求出乙個無需陣列的中位數。例 的中位數為5，的中位數為4和5。要求 不能使用排序。思路1 將資料平均分配到最大堆和最小堆中，並且保證最小堆中的資料存放的資料都比最大堆中是資料大，那麼此時最小堆堆頂的元素一定是中位數。那麼如何保證最小堆中的元素，都比大堆中的元素大 1 遍歷陣列，將第i個數插入堆...