leetcode_295. 数据流的中位数

leetcode_295. 数据流的中位数

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

图片来源地址 作者：liweiwei1419

• 添加元素时，不排序；获取中位数时，排序

• 添加元素是排序；直接获取中位数；

• 不关心中位数前面的元素是否排好序，也不关心中位数后面的元素是否排好序；

  • 用两个容器，一个放中位数前面的元素；一个放中位数后面的元素；
  • 即当n为偶数时，获取第一个容器的最大值和第二个容器的最小值，再平均；
  • 当n为奇数时，第一个容器比第二个容器的个数多1，直接获取第一个的最大值；
  • 能够获取最值，又不关心元素排序，堆是最好的选择
  • 每次添加元素O(log(N))，获取最值O(1)。

• 最难也是最关键的，每进来一个元素，是放在大堆中，还是小堆中，以至于每次都能根据两个大小堆获取中位数；

  • 每进来一个元素，先到大堆，大堆中的堆顶最大值元素再弹出到小堆的最后面。

    • 相当于最大值放到小堆的最后面；

  • 当n为奇数时，还要把小堆中的堆顶最小值弹出放到大堆的最下面。

    • 相当于把最小值放到最大堆的最前面；

  • 来回倒，就可以把较大的元素排在最小堆的后面；把较小元素排序最大堆的后面；————> 中间元素就被排在最大堆，最小堆的堆顶，即是中位数；

  • 偶数时，最小堆加一个；

  • 奇数时，最大堆加一个；

  • 既能让两堆的元素相等；奇数时，还能直接在大堆中拿中位数

public class MedianFinder {

    /**
     * 当前大顶堆和小顶堆的元素个数之和
     */
    private int count;
    private PriorityQueue<Integer> maxheap;
    private PriorityQueue<Integer> minheap;

    /**
     * initialize your data structure here.
     */
    public MedianFinder() {
        count = 0;
        maxheap = new PriorityQueue<>((x, y) -> y - x);
        minheap = new PriorityQueue<>();
    }

    public void addNum(int num) {
        count += 1;
        maxheap.offer(num);
        minheap.add(maxheap.poll());
        // 如果两个堆合起来的元素个数是奇数，小顶堆要拿出堆顶元素给大顶堆
        if ((count & 1) != 0) {
            maxheap.add(minheap.poll());
        }
    }

    public double findMedian() {
        if ((count & 1) == 0) {
            // 如果两个堆合起来的元素个数是偶数，数据流的中位数就是各自堆顶元素的平均值
            return (double) (maxheap.peek() + minheap.peek()) / 2;
        } else {
            // 如果两个堆合起来的元素个数是奇数，数据流的中位数大顶堆的堆顶元素
            return (double) maxheap.peek();
        }
    }
}