中位數並不是大小位於中間的數，而是排序之後，位置位於中間的數。
若是n個數，n為奇數，則中位數是陣列a[ ]排序之後 a[(n+1)/2] ； 若n為偶數，中位數是(a[n/2] + a[n/2+1])/2
如： 5 5 5 6 7 8 9 中位數是6
題目：只有2g記憶體的pc機，在乙個存有10g個整數的檔案，從中找到中位數，寫乙個演算法
對於海量資料求中位數，在網上看到兩種方法。
1）分區間堆排序：
在現有m大小記憶體情況下若最多能夠造出包含p個資料的堆，則先掃瞄一次這n個資料找到最小的p個數，耗時o(nlog(p))，設這p個數中最大的數是a,將堆清空，在第二輪掃瞄出比a大的中最小的p個數，然後在把a改為記錄這p個數中最大的數，依次類推，直到計算到某一輪p個數和之前夠造出的數的個數大於n/2，在這p個數中找到所有數中的中位數,耗時的地方是每輪掃瞄構建堆都要用了o(nlog(p)),構造的次數為n/(2*p)，所以它的時間複雜度是o(n*n*log(p)/(2*p)).
2)基於段的計數
基於段的計數指的的是對乙個區間範圍的計數，與計數排序不同的是後者對每乙個數出現次數的計數，而前者是對出現在某一區間範圍內的數計數，段的大小取決於記憶體大小和每段計數器所佔的位元組數，而計數器大小又受總資料量有關，需滿足計數器的最大計數能夠大於最大個數n，
比如本題中記憶體大小是m個位元組，而n的大小至少需要用logn位來表示，設k個位元組表示的無符號整數可以最大值大於n，則放在記憶體中計數器個數是m/k,設q=m/k,即這n個數分為q個段，每一段的大小是n=n/q，第一段數的範圍是0~n-1,第二段是n~2*n-1,依此類推。現在我們可以從硬碟中逐個掃面這n個數，根據每個數的大小來修改他們對應範圍的計數器，需要用o(n)時間完成對這q個段的計數。然後從第一段開始往後掃瞄累加每個段的計數器，直到累加到某一段的計數器使得它和這之前的個數大於n/2，假設這個段所表示的範圍是q~q+n-1，那麼這n個數的中位數就在q~q+n-1這個範圍內,現在更改計數器的屬性不在基於段而是基於每個數，且只針對q~q+n-1這n個數計數，還需要一輪掃面n個數來完成對n個計數器的確定，在本段之前的段計數器計數之和是t,tn/2那乙個計數器，它所代表的數就是這n個數的中位數。
海量資料求中位數
參考 1.最簡單 排序 2.堆 4g資料，1g記憶體 步驟 先將1g記憶體都塞進乙個大頂堆，然後小於堆頂的數，插入堆，並pop堆頂，一次遍歷後，得到第1g大的數 第二次遍歷，過濾小於第1g大的數，同樣塞滿乙個1g的大頂堆，小於堆頂的插入堆，並pop堆頂，得到第2g大的數字 3.二分 統計 比如數字範...
大資料中位數怎麼運算 計算大資料的中位數
題目 在乙個大檔案中有10g個整數，亂序排列，要求找出中位數 記憶體有2g限制，不能一次全部加裝 請寫出演算法設計思路。中位數的定義 對於乙個排序好的序列，如果資料有奇數個的話，中位數就取中間的乙個 如果有偶數個的話，中位數一般取中間兩個數的平均值。解題 思路一 堆排序 轉換為求前5g大的元素 堆排...
大資料處理
大資料處理的流程主要包括以下四個環節 採集 匯入 預處理 統計 分析 挖掘，下面針對這四環節進行簡單闡述。大資料處理之一 採集 在大資料的採集過程中，其主要特點和挑戰是併發數高，因為同時有可能會有成千上萬的使用者來進行訪問和操作，比如火車票售票 和 它們併發的訪問量在峰值時達到上百萬，所以需要在採集...