用C++编写程序：编写函数mid()，计算n个人身高的中值并返回。 n个人身高中值计算方法：将n个人按身高从低到高排成一行，如果人数为偶数，则中值为中间2人的平均身高(取整数)，否则就是中间那个人的身高。函数mid()的第一个参数为身高数据数组，第二个参数为人数。例如，身高数据为{190,181,182,180}，则中值为181、182的平均值(181+182)/2=181

以下是mid函数的C++实现：

#include <iostream>
#include <algorithm>
using namespace std;

int mid(int* height, int n) {
    sort(height, height + n); // 对身高进行排序
    if (n % 2 == 0) { // 如果人数为偶数
        return (height[n/2-1] + height[n/2]) / 2; // 取中间两个人的平均身高
    } else { // 如果人数为奇数
        return height[n/2]; // 直接返回中间那个人的身高
    }
}

int main() {
    int height[] = {190, 181, 182, 180};
    int n = 4;
    cout << "中值为：" << mid(height, n) << endl;
    return 0;
}

输出结果为：

中值为：181

注意，这里使用了C++标准库中的`<algorithm>`头文件中的`sort()`函数对身高进行了排序。如果你不想使用标准库，也可以自己写一个排序函数。

相关问题

c++计算时间窗口的中值

计算时间窗口的中值可以使用STL中的multiset容器来实现。具体步骤如下：

1. 将时间窗口内的所有数值存入multiset容器中；
2. 使用multiset的迭代器找到中间位置的数值；
3. 如果时间窗口长度为奇数，则中值为中间位置的数值；
4. 如果时间窗口长度为偶数，则中值为中间位置两个数值的平均值。

以下是一个示例代码：

#include <iostream>
#include <set>

using namespace std;

double findMedian(multiset<double>& window) {
    int size = window.size();
    auto mid = window.begin();
    advance(mid, size / 2);
    if (size % 2 == 0) {
        auto mid2 = mid;
        mid2--;
        return (*mid + *mid2) / 2;
    } else {
        return *mid;
    }
}

int main() {
    multiset<double> window;
    int k = 3; // 时间窗口大小
    double arr[] = {1, 2, 3, 4, 5, 6, 7, 8, 9};
    for (int i = 0; i < 9; i++) {
        window.insert(arr[i]);
        if (window.size() > k) {
            window.erase(window.find(arr[i-k]));
        }
        if (window.size() == k) {
            cout << "中值为：" << findMedian(window) << endl;
        }
    }
    return 0;
}

上述代码中，我们使用multiset容器来存储时间窗口内的数值。在每次插入新的数值后，我们使用窗口大小k来维护multiset容器的大小，保证其始终为一个k大小的时间窗口。然后，我们调用findMedian函数来计算中值。

用C++写代码已知长度为 n 的线性表 A 中的元素是整数, 写算法求线性表中值大于 item 的元素个数。分两种情况编写函数: (1) 线性表采用顺序存储; (2) 线性表采用单链表存储。

呼叫ChitGPT，回答问题：

对于第一个问题：
(1) 若线性表采用顺序存储，可以利用二分查找算法，找到第一个大于等于item的元素位置i，然后计算线性表中元素个数n与位置i的差值，即为满足条件的元素个数。
(2) 若线性表采用单链表存储，可以遍历整个链表，对每个元素进行比较，再统计满足条件的元素个数。

您可以参考以下代码示例：

(1) 线性表采用顺序存储
int countGreater(int A[], int n, int item)
{
int low = 0, high = n - 1;
while (low <= high) {
int mid = (low + high) / 2;
if (A[mid] <= item) low = mid + 1;
else high = mid - 1;
}
return n - low;
}

(2) 线性表采用单链表存储
int countGreater(Node* head, int item)
{
int cnt = 0;
Node* cur = head;
while (cur) {
if (cur->val > item) cnt++;
cur = cur->next;
}
return cnt;
}