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
-
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();
}
}
}