【剑指Offer】数据流中的中位数——四种解法

题目描述：

如何得到一个数据流中的中位数？如果从数据流中读出奇数个数值，那么中位数就是所有数值排序之后位于中间的数值。如果从数据流中读出偶数个数值，那么中位数就是所有数值排序之后中间两个数的平均值。我们使用Insert()方法读取数据流，使用GetMedian()方法获取当前读取数据的中位数。

解题思路：

方法1：使用无序数组存储，然后需要对数组进行排序，然后就可以顺利找到中位数。
方法2：在插入数组时，就进行排序，形成有序的数组，排完序后就可以直接找到中位数。
方法3：使用树结构，二叉搜索树或者平衡二叉树，都是在插入的时候完成排序。
方法4：使用两个堆：最大堆和最小堆。

完整代码：

方法1：使用无序数组，直接调用库进行排序

import java.util.*;

public class MedianOfStream_JZ {
    /**
     * 数据流中的中位数
     *
     * @param num
     */
    // 方法1
    ArrayList<Integer> array = new ArrayList<>();

    public void Insert(Integer num) {
        array.add(num);
    }

    public Double GetMedian() {
        Collections.sort(array);
        int index = array.size() / 2;
        if (array.size() % 2 != 0) {// 奇数直接取
            return (double) array.get(index);
        }
        return (array.get(index - 1) + array.get(index)) / 2.0;
    }
}

方法2：插入的时候排序，即利用堆排序，每次加入一个元素就调整堆

    // 方法2
    private List<Integer> list = new LinkedList<>();

    public void Insert2(Integer num) {
        if (list.size() == 0) {
            list.add(num);
            return;
        }
        int first = 0;
        int last = list.size() - 1;
        int mid = 0;
        while (first < last) {
            mid = first + (last - first) / 2;
            if (list.get(mid) > num) {
                last = mid - 1;
            } else {
                first = mid + 1;
            }
        }
        list.add(first, num);
        return;
    }

    public Double GetMedian2() {
        int index = list.size();
        if (index % 2 == 1) {
            return (double) list.get(index / 2);
        }
        return ((double) list.get(index / 2 - 1) + (double) list.get(index / 2)) / 2;
    }

方法3：使用树，通过有序树获取中位数。注意，在Set集合中，没有get方法，所以无法直接获取某个下标所对应的元素，需要将Set转换位List。

import java.util.*;

public class Solution {
    private TreeSet<Integer> tree = new TreeSet<>();
    public void Insert(Integer num) {
        tree.add(num);
    }
    public Double GetMedian() {
        ArrayList<Integer> list = new ArrayList<>();
        list.addAll(tree);
        int index = list.size();
        if (index % 2 == 1) {
            return (double) list.get(index / 2);
        }
        return ((double) list.get(index / 2 - 1) + (double) list.get(index / 2)) / 2;
    }
}

方法4：使用两个堆。
具体过程为：
将读入的数据分为几乎数量相同的两部分，一部分数字小，另一部分大。小的一部分采用大顶堆存放，大的一部分采用小顶堆存放。这样两个堆的堆顶就是整个数据流中，最中间的两个数。当总个数为偶数时，使两个堆的数目相同，则中位数等于大顶堆的最大数字与小顶堆的最小数字的平均值；而总个数为奇数时，使小顶堆的个数比大顶堆多1，则中位数等于小顶堆的最小数字。
插入步骤为：
1. 如果已读取的个数为偶数（包括0）时，两个堆的数目已经相同，再插入一个数时，应该选一个数插入到小顶堆中，从而实现小顶堆的个数多1。但是，不能直接插入到小顶堆，本应该选择一个数加入到小顶堆中，但是必须选一个较大的数放入小顶堆，而插入的这个数不一定符合要求，所以这个数要和大顶堆的最大数比较，哪个较大，就把哪个放进小顶堆。
2. 如果已读取的个数为奇数，小顶堆的个数多1，则要将某个数插入到大顶堆中，所以新进来的数要和小顶堆的堆顶元素比较，更小的那个元素进入大顶堆。
这里使用PriorityQueue实现，默认情况下，PriorityQueue是一个小顶堆，因此需要自己定义比较器实现大顶堆.

import java.util.*;

public class Solution {
    private PriorityQueue<Integer> minHeap = new PriorityQueue<>();
    private PriorityQueue<Integer> maxHeap = new PriorityQueue<>((o1, o2) -> o2 - o1);
    int count = 0;
    public void Insert(Integer num) {
        // 个数为偶数，则先插入大顶堆，并调整，然后将大顶堆中的最大数插入到小顶堆中
        if (count % 2 == 0) {
            maxHeap.offer(num);
            int max = maxHeap.poll();
            minHeap.offer(max);
        } else {
            //个数为奇数时，则先插入小顶堆，然后将小顶堆中最小的数插入到大顶堆中
            minHeap.offer(num);
            int min = minHeap.poll();
            maxHeap.offer(min);
        }
        count++;
    }
    public Double GetMedian() {
        // 当前为偶数个，则取大顶堆和小顶堆的堆顶元素的平均值
        if (count % 2 == 0) {
            return (minHeap.peek() + maxHeap.peek()) / 2.0;
        } else {
            // 当前为奇数个，则直接从小顶堆中取元素即可，所以保证小顶堆中元素的个数
            return minHeap.peek() * 1.0;
        }
    }
}