答案 0 :(得分：10)
您将需要存储至少ceil（n / 2）点，因为前n / 2点中的任何一个可能是中位数。存储点并找到中位数可能是最简单的。如果保存ceil（n / 2）点是有价值的，那么在前n / 2点读入一个排序列表（二叉树可能是最好的），然后当添加新点时抛出低点或高点并保持追踪任意一端的点数。
修改
如果流长度未知，那么显然，正如斯蒂芬在评论中所观察到的那样，那么我们别无选择，只能记住一切。如果可能存在重复项目，我们可以使用Dolphins存储值和计数的想法来节省一些内存。
答案 1 :(得分：2)
你可以
k不同的值意味着存储O(k)内存）O(n)的较小常量。答案 2 :(得分：1)
如果您有离散值和大量重复，您可以存储值和计数，这将节省一些空间。
可能在计算阶段你可以丢弃顶部的'n'和底部'n'值，只要你确定中位数不在那个顶部或底部范围内。<登记/> 例如假设您期待100,000个值。每次存储的数量达到（例如）12,000时，您可以丢弃最高1000和最低1000，将存储量减少到10,000。
如果值的分布相当一致，这将很有效。但是，如果有可能在最后接收到大量非常高或非常低的值，则可能会使计算失真。基本上，如果您丢弃小于（最终）中位数的“高”值或等于或大于（最终）中位数的“低”值，则计算结束。
<强>更新
一点例子
假设数据集是数字1,2,3,4,5,6,7,8,9
通过检查，中位数为5。
假设您获得的前5个数字是1,3,5,7,9
为了节省空间，我们丢弃最高和最低，留下3,5,7
现在得到两个，2,6，所以我们的存储是2,3,5,6,7
丢弃最高和最低，留下3,5,6
得到最后两个4,8，我们有3,4,5,6,8
中位数仍然是5，世界是个好地方。
但是，我们可以说前五个数字是1,2,3,4,5
丢弃顶部和底部，留下2,3,4
得到两个6,7，我们有2,3,4,6,7
丢弃顶部和底部离开3,4,6
得到最后两个8,9，我们有3,4,6,8,9
中位数为6，这是不正确的。
如果我们的数字分布均匀，我们可以继续修剪四肢。如果他们可能聚集在一大堆或许多小数字中，那么丢弃是有风险的。
答案 3 :(得分：1)
我遇到了同样的问题，但有一种方法尚未在此处发布。希望我的回答将来能对某人有所帮助。
如果您知道您的值范围，并且不太在乎中间值的精度，则可以使用常量内存逐步创建量化值的直方图。这样很容易找到量化值的中位数或任何位置。
例如，假设您的数据流是图像像素值，并且您知道这些值是都在0〜255之间的整数。要逐步创建图像直方图，只需从零开始创建256个计数器（仓），然后在扫描输入时在与像素值相对应的仓中计数1。创建直方图后，找到大于数据大小一半的第一个累积计数以获取中位数。
对于实数数据，您仍然可以计算直方图，每个bin具有量化的值（例如10、1或0.1的bin等），具体取决于期望的数据值范围和所需的精度。 / p>
如果您不知道整个数据样本的值范围，则仍可以估算中值的可能值范围，并计算该范围内的直方图。这会自然降低异常值，但正是我们在计算中位数时想要的。