数据流中的中位数

//1. 使用大顶堆+小顶堆的容器.
//2. 两个堆中的数据数目差不能超过1，这样可以使中位数只会出现在两个堆的交接处
//3. 大顶堆的所有数据都小于小顶堆，这样就满足了排序要求。平均数就在两个堆顶的数之中。

private int count = 0;
private PriorityQueue<Integer> minHeap = new PriorityQueue<>(); private PriorityQueue<Integer> maxHeap = new PriorityQueue<Integer>(15, new Comparator<Integer>() { @Override public int compare(Integer o1, Integer o2) { return o2 - o1; } }); //读入字符，放到合适位置 public void Insert(Integer num) { if (count %2 == 0) { maxHeap.offer(num); int filteredMaxNum = maxHeap.poll(); minHeap.offer(filteredMaxNum); } else { minHeap.offer(num); int filteredMinNum = minHeap.poll(); maxHeap.offer(filteredMinNum); } count++; } //求中位数 public Double GetMedian() { if (count %2 == 0) { return new Double((minHeap.peek() + maxHeap.peek())) / 2; } else { return new Double(minHeap.peek()); } }

a. 为了保证两个堆中的数据数目差不能超过1，在Insert（）方法中使用了count来辅助实现。
b. 为了保证小顶堆的元素都小于大顶堆的元素，借用优先队列PriorityQueue。其默认维持队列内升序排列。也可以像上面传入一个比较器，然后使其改变排列顺序。
c. 具体的实施方案。当数据总数为偶数时，新加入的元素，应当进入小根堆,注意不是直接进入小根堆，而是经大根堆筛选后取大根堆中最大元素进入小根堆；当数据总数为奇数时，新加入的元素，应当进入大根堆。注意不是直接进入大根堆，而是经小根堆筛选后取小根堆中最大元素进入大根堆。

转载于:https://www.cnblogs.com/qingtianBKY/p/8287270.html