1.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。我们使用Insert()方法读取数据流,使用GetMedian()方法获取当前读取数据的中位数。
数据范围:数据流中数个数满足 1≤n≤1000 1≤n≤1000 ,大小满足 1≤val≤1000 1≤val≤1000
进阶: 空间复杂度 O(n) O(n) , 时间复杂度 O(nlogn) O(nlogn)示例1
输入:
[5,2,3,4,1,6,7,0,8]返回值:
"5.00 3.50 3.00 3.50 3.00 3.50 4.00 3.50 4.00 "说明:
数据流里面不断吐出的是5,2,3...,则得到的平均数分别为5,(5+2)/2,3...示例2
输入:
[1,1,1]返回值:
"1.00 1.00 1.00 "
2.解题思路
使用大根堆存放比中位数小的元素,使用小根堆存放比中位数大的元素;
我们需要保证大根堆中元素个数最多比小根堆元素个数多1;
对于每次insert操作,根据num的大小与大根堆中元素的大小关系,选择将其插入到哪个堆中,对于不满足堆中元素个数的失衡情况,对两个堆做调整。
调整规则如下:
1.如果小根堆中元素个数>大根堆中元素个数,那么就把小根堆中堆顶元素弹出并插入到大根堆中;
2.如果大根堆中元素个数比小根堆中元素个数多两个及以上,就把大根堆中堆顶元素弹出并插入到小根堆中;
对于取中位数的操作,只需要判断此时大根堆中元素个数是否与小根堆中元素个数相同,如果相同说明此时数据流中有偶数个元素,中位数即为两个堆顶元素的平均值;否则就是大根堆中的堆顶元素,应为大根堆比小根堆元素多一个。
3.代码实现
import java.util.*;
public class Solution {
//大根堆存放比中位数小的元素
private PriorityQueue<Integer> maxHeap = new PriorityQueue<>((o1,o2) -> o2-o1);
//小根堆存放比中位数大的元素
private PriorityQueue<Integer> minHeap = new PriorityQueue<>();
public void Insert(Integer num) {
if (maxHeap.isEmpty() || num <= maxHeap.peek()) {
maxHeap.offer(num);
} else {
minHeap.offer(num);
}
//大根堆中元素个数应该始终等于小根堆中元素个数,或比小根堆多1个
//小根堆调整
if (maxHeap.size() < minHeap.size()) {
maxHeap.offer(minHeap.peek());
minHeap.poll();
}
//大根堆调整
if (maxHeap.size() - minHeap.size() >= 2) {
minHeap.offer(maxHeap.peek());
maxHeap.poll();
}
}
public Double GetMedian() {
if (maxHeap.size() == minHeap.size()) {
return new Double(minHeap.peek() + maxHeap.peek()) / 2;
}
return new Double(maxHeap.peek());
}
}