数据流中的中位数

一、需求

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。

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 1：

输入：
["MedianFinder","addNum","addNum","findMedian","addNum","findMedian"]
[[],[1],[2],[],[3],[]]
输出：[null,null,null,1.50000,null,2.00000]
示例 2：

输入：
["MedianFinder","addNum","findMedian","addNum","findMedian"]
[[],[2],[],[3],[]]
输出：[null,null,2.00000,null,2.50000]

二、小/大顶堆

2.1  思路分析

1. 新建小、大顶堆对象A、B(其中A用来存放数据流中较大的部分，B用来存放数据流中较小的部分)，构造方法分别初始化小、大顶堆对象；
2. 当向数据流插入元素时，若数据流中元素个数为奇数，那么应该放入B中，但不能直接放入，先放入A中，然后将A的堆顶元素给B；当数据流中元素个数为偶数时，那么应该放入A中，也不能直接放入，先放入B中，然后将B的堆顶元素给A；
3. 求当前数据流中的中位数时，若当前数据流中元素个数为奇数，那么返回A的堆顶元素，若当前数据流中元素个数为偶数，那么返回A与B堆顶元素的平均值。

2.2  代码实现

class MedianFinder {
    Queue<Integer> pqA;
    Queue<Integer> pqB;
    /** initialize your data structure here. */
    public MedianFinder() {
        pqA = new PriorityQueue<>();//小顶堆
        //lambda表达式
        pqB = new PriorityQueue<>((v1,v2)->(v2-v1));//大顶堆
    }
    
    public void addNum(int num) {
        if(pqA.size() != pqB.size()) {
            pqA.add(num);
            pqB.add(pqA.poll());
        } else {
            pqB.add(num);
            pqA.add(pqB.poll());
        }
    }
    
    public double findMedian() {
        if(pqA.size() != pqB.size()) {
            return pqA.peek();
        } else {
            return (pqA.peek() + pqB.peek())/2.0;
        }
    }
}

2.3  复杂度分析

• 时间复杂度：①查找中位数为O(1)，获取堆顶元素使用O(1)的时间；②添加数字O(logN)，堆的插入和弹出操作使用O(logN)的时间；
• 空间复杂度：小顶堆A与大顶堆B最大同时存储N个元素，其中N为数据流中元素个数；

三、参考地址

作者：jyd

链接：https://leetcode-cn.com/problems/shu-ju-liu-zhong-de-zhong-wei-shu-lcof/solution/mian-shi-ti-41-shu-ju-liu-zhong-de-zhong-wei-shu-y/