BM48 数据流中的中位数

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());
    }


}