LeetCode 295. 数据流的中位数

目录结构

1.题目

2.题解

---

1.题目

中位数是有序列表中间的数。如果列表长度是偶数，中位数则是中间两个数的平均值。

例如，

[2,3,4] 的中位数是 3

[2,3] 的中位数是 (2 + 3) / 2 = 2.5

设计一个支持以下两种操作的数据结构：

• void addNum(int num) - 从数据流中添加一个整数到数据结构中。
• double findMedian() - 返回目前所有元素的中位数。

示例：

addNum(1)
addNum(2)
findMedian() -> 1.5
addNum(3) 
findMedian() -> 2

进阶:

1. 如果数据流中所有整数都在 0 到 100 范围内，你将如何优化你的算法？
2. 如果数据流中 99% 的整数都在 0 到 100 范围内，你将如何优化你的算法？ 

来源：力扣（LeetCode）
链接：https://leetcode-cn.com/problems/find-median-from-data-stream
著作权归领扣网络所有。商业转载请联系官方授权，非商业转载请注明出处。

2.题解

维护两个堆：

• 小顶堆存后半部分，故顶部为后半部分第一个数
• 大顶堆存前半部分，故顶部为前半部分最后一个数

1. 当两个堆元素个数相同时，先将数字插入大顶堆，再取出大顶堆的顶部元素（最大值）插入小顶堆；此时元素个数为奇数，小顶堆的顶部元素（最小值）即为当前的中位数。
2. 当两个堆元素不相同时（小顶堆比大顶堆多一个元素），先将数字插入小顶堆，再取出小顶堆的顶部元素（最小值）插入大顶堆；此时元素个数为偶数，且大顶堆的顶部元素（最大值）为前一半元素的最大值，小顶堆的顶部元素（最小值）为后一般元素的最小值，故两数平均数为当前的中位数。
3. 根据奇偶返回相应中位数。

public class Solution295 {
    
    @Test
    public void tes295() {
        MedianFinder medianFinder = new MedianFinder();
        int[] nums = {1, 2, 3};
        for (int num : nums) {
            medianFinder.addNum(num);
            System.out.println(medianFinder.findMedian());
        }
    }

    class MedianFinder {

        Queue<Integer> minHeap, maxHeap;

        public MedianFinder() {
            minHeap = new PriorityQueue<>();
            maxHeap = new PriorityQueue<>((x, y) -> (y - x));
        }

        public void addNum(int num) {
            if (minHeap.size() == maxHeap.size()) {
                maxHeap.add(num);
                minHeap.add(maxHeap.poll());
            } else {
                minHeap.add(num);
                maxHeap.add(minHeap.poll());
            }
        }

        public double findMedian() {
            return minHeap.size() == maxHeap.size() ? (minHeap.peek() + maxHeap.peek()) / 2.0 : minHeap.peek();
        }
    }
}

• 时间复杂度：查找，插入更新堆
• 空间复杂度：