大家好，我是苍何。
最近国家统计局编著出版的《中国统计年鉴2024》公布了 2023 年 31 个省份就业人员的工资统计数据。觉得很有必要给大家做个分享。
稍微做了下计算，2023 年全国城镇非私营单位就业人员年平均工资为 120698元。
换成月薪的话，那不就是月薪都过万了啊？
但细想一下，这数据并不能作为一个衡量标准，首先平均数水分最大，毕竟我和马云薪资一平均，说不定也是个百万富翁😂，要看就得看中位数。
其次，可以看到城镇私营单位就业人员年平均工资为 68340 元。平均月薪只有 5695 元。有人说，就这？还不够我交公积金的呢。好扒，你牛🐶。
从城市来看，上海、北京稳稳占据第一梯队。这两城市城镇非私营单位年平均工资居然超过了 20 万！简直遥遥领先。
从行业看，我国收入最高的三个行业分别是信息传输、软件和信息技术服务业，金融业，科学研究和技术服务业。
而北京、上海是这些高收入行业最集中的地方，故而收入偏高很多。
我之前的文章中有不少是互联网大厂各种薪资爆料，看久了，你会觉得，为何月薪过万，对于互联网刚毕业的学生来说，都瞧不上，白菜价中的白菜价。而对于在一些传统行业，月薪过万可能是一辈子的梦想。
真实的情况到底是怎样的？到底多少人月薪过万？
从城镇私营单位平均工资来看，如果你月薪过万，已经完全超过了全国所有地区的平均数。
我又找了一组数据，在CNNIC发布的第47次《中国互联网络发展状况统计报告》里，其中月收入在 8000 以上的仅有 14.8 %。
别的不说，外卖员、快递小哥，滴滴师傅，又有多少人能达到月薪一万的标准呢？
那些风里来雨里去的最辛勤的劳动者，光是勉强维持生计就已经费尽全力了。
那究竟哪些人，哪些行业都月入过万呢？
看了下数据，IT、互联网、游戏是分布最多的行业，而我所处的 IT 行业，月薪过万确实比较普遍。
再看一组数据，月薪一万，都是些什么学历呢？
可以看到在月入一万职场人的学历分布中，本科占比 59.64%，大专及以下学历的职场人有23.75%，而硕士和博士很多都高于这个标准。
所以从现象来看，读书不见得没用，当然选择也更为重要，有些人选了个好专业，热门赛道，分分钟月入过万。
专业选择可能现在可控不多了，但刚毕业，选择城市也显得尤为重要，我一般都是建议能去一线就去一线，能去大厂就去大厂，先把自己工资基数拉高，以后即使想回老家发展了，也有的折扣可打，不然打骨折后，渣都不剩。
毕竟，在一线城市你能收获的眼界，资源，机遇，这些不是二三线城市能比的，在这种环境中，你自然成长会更快，当然你也赚的更多。
哎，又是打工人被平均的一年，今天你被平均了吗？欢迎评论区讨论。
...
回归主题。
今天来一道中位数相关的面试算法题，给枯燥的牛马生活加加油😂。
题目描述
平台：LeetCode
题号：295
题目名称：数据流的中位数
题目描述：
中位数是有序整数列表的中间值。如果列表的大小是偶数，则中位数是中间两个数的平均值。
例如，
arr = [2,3,4]的中位数是3。例如，
arr = [2,3]的中位数是(2 + 3) / 2 = 2.5。
实现 MedianFinder 类：
MedianFinder()初始化MedianFinder对象。void addNum(int num)将数据流中的整数num添加到数据结构中。double findMedian()返回到目前为止所有元素的中位数。与实际答案相差10^-5以内的答案将被接受。
示例：
输入：
["MedianFinder", "addNum", "addNum", "findMedian", "addNum", "findMedian"]
[[], [1], [2], [], [3], []]
输出：
[null, null, null, 1.5, null, 2.0]
解释：
MedianFinder medianFinder = new MedianFinder();
medianFinder.addNum(1); // arr = [1]
medianFinder.addNum(2); // arr = [1, 2]
medianFinder.findMedian(); // 返回 1.5 ((1 + 2) / 2)
medianFinder.addNum(3); // arr = [1, 2, 3]
medianFinder.findMedian(); // 返回 2.0
提示：
-10^5 <= num <= 10^5在调用
findMedian之前，数据结构中至少有一个元素。最多调用
5 * 10^4次addNum和findMedian。
解题思路
本题需要设计一个高效的数据结构以支持动态计算中位数。
核心思路：
使用两个堆：
一个最大堆存储较小的一半元素（
left），堆顶为最大值。一个最小堆存储较大的一半元素（
right），堆顶为最小值。
保证平衡：
两个堆的元素数量相等，或者最大堆比最小堆多一个元素。
插入时根据大小关系插入到对应堆中，并在需要时平衡两个堆。
中位数计算：
当元素个数为奇数时，中位数为最大堆堆顶。
当元素个数为偶数时，中位数为两个堆堆顶的平均值。
算法流程：
调用
addNum(num)：
如果新元素小于等于最大堆的堆顶，加入最大堆；
否则加入最小堆；
平衡两个堆的大小。
调用 findMedian()：
若总元素数为奇数，返回最大堆堆顶；
若总元素数为偶数，返回两个堆顶的平均值。
时间复杂度：
插入操作：
O(log n)（堆的插入与调整）。获取中位数：
O(1)。
代码实现
Java 实现
import java.util.PriorityQueue;
class MedianFinder {
private PriorityQueue<Integer> left; // 最大堆
private PriorityQueue<Integer> right; // 最小堆
public MedianFinder() {
left = new PriorityQueue<>((a, b) -> b - a); // 最大堆
right = new PriorityQueue<>(); // 最小堆
}
public void addNum(int num) {
if (left.isEmpty() || num <= left.peek()) {
left.offer(num);
} else {
right.offer(num);
}
// 平衡两个堆的大小
if (left.size() > right.size() + 1) {
right.offer(left.poll());
} else if (right.size() > left.size()) {
left.offer(right.poll());
}
}
public double findMedian() {
if (left.size() > right.size()) {
return left.peek();
} else {
return (left.peek() + right.peek()) / 2.0;
}
}
}
C++ 实现
#include <queue>
using namespace std;
class MedianFinder {
private:
priority_queue<int> left; // 最大堆
priority_queue<int, vector<int>, greater<int>> right; // 最小堆
public:
MedianFinder() {}
void addNum(int num) {
if (left.empty() || num <= left.top()) {
left.push(num);
} else {
right.push(num);
}
// 平衡两个堆的大小
if (left.size() > right.size() + 1) {
right.push(left.top());
left.pop();
} else if (right.size() > left.size()) {
left.push(right.top());
right.pop();
}
}
double findMedian() {
if (left.size() > right.size()) {
return left.top();
} else {
return (left.top() + right.top()) / 2.0;
}
}
};
Python 实现
import heapq
class MedianFinder:
def __init__(self):
self.left = [] # 最大堆（用负数模拟）
self.right = [] # 最小堆
def addNum(self, num: int) -> None:
# 插入到最大堆或最小堆
if not self.left or num <= -self.left[0]:
heapq.heappush(self.left, -num)
else:
heapq.heappush(self.right, num)
# 平衡两个堆的大小
if len(self.left) > len(self.right) + 1:
heapq.heappush(self.right, -heapq.heappop(self.left))
elif len(self.right) > len(self.left):
heapq.heappush(self.left, -heapq.heappop(self.right))
def findMedian(self) -> float:
if len(self.left) > len(self.right):
return -self.left[0]
else:
return (-self.left[0] + self.right[0]) / 2.0
测试代码
# 示例测试
medianFinder = MedianFinder()
medianFinder.addNum(1) # arr = [1]
medianFinder.addNum(2) # arr = [1, 2]
print(medianFinder.findMedian()) # 输出 1.5
medianFinder.addNum(3) # arr = [1, 2, 3]
print(medianFinder.findMedian()) # 输出 2.0
ending
你好呀，我是苍何。是一个每天都在给自家仙人掌讲哲学的执着青年，我活在世上，无非想要明白些道理，遇见些有趣的事。倘能如我所愿，我的一生就算成功。共勉 💪
点击关注下方账号，你将感受到一个朋克的灵魂，且每篇文章都有惊喜。
感谢大家一直以来的阅读、在看和转发，我会把流量主收益都用来发红包，大家可在公众号页面发送相关暗号关键词获取抽奖，每一篇文章会给到一个不同的暗号，对应的抽奖都是独立的，此篇暗号为【平均】，在后台回复【平均】，即可点击进去参与抽奖！抽奖内容、金额、个数等都无变化，在开奖前参与抽奖，操作均有效。
注意，后台（不是评论区，是后台）回复【平均】即可参与抽奖。
后台回复（不是评论区，是后台）即可参与抽奖。
后台回复（不是评论区，是后台）即可参与抽奖。
就像大家之前回复【八股】一样。
