数据流中的中位数

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。

思路1

维护一个数组，每次加入后，进行排序，当总元素个数为奇数时，中位数就是数组中间的元素；当总元素个数为偶数时，中位数就是数组中间元素和前一个元素的平均数。

思路2

Java 1.5版本后就提供了一个具备了小根堆性质的数据结构也就是优先队列PriorityQueue。

PriorityQueue的数据结构

PriorityQueue的逻辑结构是一棵完全二叉树，存储结构其实是一个数组。逻辑结构层次遍历的结果刚好是一个数组。

PriorityQueue的操作
①add(E e) 和 offer(E e) 方法
add(E e) 和 offer(E e) 方法都是向PriorityQueue中加入一个元素
② poll() 和 remove() 方法
poll 方法每次从 PriorityQueue 的头部删除一个节点，也就是从小顶堆的堆顶删除一个节点，而remove（）不仅可以删除头节点而且还可以用 remove(Object o) 来删除堆中的与给定对象相同的最先出现的对象。

PriorityQueue实现大顶堆
PriorityQueue默认是一个小顶堆，然而可以通过传入自定义的Comparator函数来实现大顶堆。如下代码实现了一个初始大小为11的大顶堆：

private static final int DEFAULT_INITIAL_CAPACITY = 11;
PriorityQueue<Integer> maxHeap=new PriorityQueue<Integer>(DEFAULT_INITIAL_CAPACITY, new Comparator<Integer>() {
        @Override
        public int compare(Integer o1, Integer o2) {                
            return o2-o1;
        }
    });

这个题另外一种思路就是通过维护一个大顶堆，一个小顶堆，且保证两点：

• 小顶堆里的元素全大于大顶堆里的元素，即小顶堆里维护的是数据流中后一部分较大值，大顶堆维护的是数据流中前一部分的较小值；
• 两个堆个数的差值小于等于1，元素个数为偶数让两个堆中元素个数相同，为奇数时让小顶堆元素个数比大顶堆多1个。则当总元素个数为奇数时，中位数就是小顶堆堆顶；当总元素个数为偶数时，中位数就是两个堆堆顶平均数。
  

为了让大顶堆的元素都小于小顶堆中元素，在将元素依次插入两个堆中时需要注意：

• n为偶数时插入元素到小顶堆，因为小顶堆元素都要大于大顶堆，但是新插入的元素不一定比大顶堆元素大，因此要先将元素插入大顶堆，然后利用大顶堆的特点，取出堆顶元素即为最大元素，此时再插入小顶堆！
• n为奇数时同理先插入到小顶堆中，然后取出小顶堆堆顶即最小元素插入到大顶堆中。

这样既保证了小顶堆和大顶堆元素个数相差不大于1，又能保证大顶堆的元素都小于小顶堆中元素。

整体代码

package com.zhumq.leetcode;
import java.util.ArrayList;
import java.util.Collections;
import java.util.PriorityQueue;
import java.util.Scanner;

import org.junit.Test;

public class GetMedian {
	ArrayList<Integer> list = new ArrayList<>();
    // 大顶堆(直接用lambda表达式)
    PriorityQueue<Integer> bigHeap = new PriorityQueue<>((o1, o2) -> o2 - o1);
    // 小顶堆，并且小顶堆元素都大于大顶堆
    PriorityQueue<Integer> smallHeap = new PriorityQueue<>();
    // 当前数据流读入的元素个数
    int N = 0;
    
    /**
     * 解法1：维护两个堆，一个大顶堆、一个小顶堆
     */
    public void insert1(Integer num) {
        // 插入要保证两个堆存于平衡状态
        if (N % 2 == 0) {
            // N 为偶数插入到小顶堆,奇数插入大顶堆
            // 因为小顶堆元素都要大于大顶堆，但是新插入的元素不一定比大顶堆元素大，因此先将元素插入大顶堆，然后利用大顶堆的特点，取出堆顶元素即为最大元素，此时再插入小顶堆！
            bigHeap.offer(num);
            smallHeap.offer(bigHeap.poll());
        } else {
            //同理
        	smallHeap.offer(num);
            bigHeap.offer(smallHeap.poll());
        }
        N++;
    }
    /*
     * 总元素个数为奇数时，中位数就是数组中间的元素；当总元素个数为偶数时，中位数就是数组中间元素和前一个元素的平均数。
     */
    public Double getMedian1() {
        if (N % 2 == 0) {
            return (bigHeap.peek() + smallHeap.peek()) / 2.0;
        } else {
            return (double) smallHeap.peek();
        }
    }

    /**
     * 解法2：维护数组，加入时排序
     */
    public void insert2(Integer num) {
        list.add(num);
        Collections.sort(list);
    }
    /*
     * 总元素个数为奇数时，中位数就是数组中间的元素；当总元素个数为偶数时，中位数就是数组中间元素和前一个元素的平均数。
     */
    public Double getMedian2() {
        int n = list.size();
        if (n % 2 == 0) {
            return Double.valueOf((list.get(n / 2) + list.get(n / 2 - 1)) / 2.0);
        } else {
            return Double.valueOf(list.get(n / 2));
        }
    }
    
    @Test
    public void test1() {
    	Scanner sc = new Scanner(System.in);
    	while(sc.hasNext()) {
    		int len = sc.nextInt();
    		for(int i = 0;i<len;i++) {
    			int num = sc.nextInt();
    			insert1(num);
    			insert2(num);
    			System.out.println(getMedian1());
    			System.out.println(getMedian2());
    		}
    	}
    	sc.close();
    }
}

运行结果如下：