剑指offer-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

我们把所有输入分为两个堆，最小堆存放前一半数值比较小的数，最大堆存放后一半数值比较大的数。
为了保证数据平均分配，我们要让两个堆数据的数目之差不超过1，因此，在总数目为偶数的时候，我们要把新数据插入最小堆，否则插入最大堆。
同时我们还要保证最大堆的所有元素都小于最小堆，在长度为偶数的时候，我们目的是插入最小堆，那么如果此时最大堆的最大元素大于要插入的元素，那么我们就取出最大堆的元素，并以插入元素代替，再把弹出的元素插入最小堆中。
当长度为奇数的时候同理。

import java.util.Comparator;
import java.util.PriorityQueue;

public class Solution {

    // 小顶堆：所有的值都比大顶堆大
    private PriorityQueue<Integer> minHeap = new PriorityQueue<>();

    // 大顶堆，改版比较器，默认容器大小随便设置（两个堆都是自动增加，无限大）
    private PriorityQueue<Integer> maxHeap = new PriorityQueue<>(11,
            new Comparator<Integer>() {
                @Override
                public int compare(Integer o1, Integer o2) {
                    return o2.compareTo(o1);
                }
            });


    public void Insert(Integer num) {

        // 判断两个堆的数据数量是否为偶数
        if (((minHeap.size()+maxHeap.size())&1)==0) {

            //当大顶堆没有数值时，表明两个堆都为空，直接放在大顶堆；
            //否则，首先将num和小顶堆最小值比较，目的是保证将num和小顶堆中最小的值放入maxHeap中
            if(!maxHeap.isEmpty()&&num>minHeap.peek()) {
                minHeap.offer(num);
                num=minHeap.poll();
            }
            maxHeap.offer(num);
        }else{ // 同理
            if(num<maxHeap.peek()) {
                maxHeap.offer(num);
                num=maxHeap.poll();
            }
            minHeap.offer(num);
        }
    }

    public Double GetMedian() { 
        double result = 0.0;
        if(((minHeap.size()+maxHeap.size())&1)==0){
            result = (minHeap.peek()+maxHeap.peek())/2.0;
        }else{
            result = maxHeap.peek();
        }
        return result;
    }

}