该部分只深度剖析一个问题:数据流中中位数问题,并总结中位数问题模板!
数据流中中位数问题
题目描述见LeetCode295。
对于中位数问题,我们一般使用大根堆+小根堆来求解!
其思想和堆查找类似,设数据的元素个数为n,如果能找到第n/2大的元素和第n/2小的元素就可以找到中位数了!因此,我们维护两个堆,大根堆:用于寻找第n/2小的元素,小根堆:用于寻找第n/2大的元素。
但是,当无法得知的数据流的元素个数时,怎么求解中位数?答:还是利用大根堆+小根堆,保持大根堆和小根堆的容量差不超过1(相当于找到第n/2小的元素和第n/2大的元素)。
此时,问题的关键转变为,如何保证大根堆和小根堆的容量差不超过1呢?答:先按照元素筛选规则决定元素进入大根堆还是小根堆,再比较加入新元素后大根堆和小根堆的容量,将容量大的堆中元素加入容量小的堆中,维持大根堆和小根堆容量差不超过1。当大根堆和小根堆的容量相同,即数据流中元素量为偶数时,返回大小根堆的堆顶元素平均值;当大根堆容量更大,返回大根堆堆顶元素,反之返回小根堆堆顶元素(此时数据流中元素量为奇数)。
厘清思路,直接上代码!
public static void initHeap(){
minHeap = new PriorityQueue<Integer>();
maxHeap = new PriorityQueue<Integer>((a, b) -> b - a);
}
public static void addNum(int num){
if(minHeap.isEmpty() || minHeap.peek() < num){
minHeap.offer(num);
if(minHeap.size() - maxHeap.size() > 1){
maxHeap.offer(minHeap.poll());
}
}else{
maxHeap.offer(num);
if(maxHeap.size() - minHeap.size() > 1){
minHeap.offer(maxHeap.poll());
}
}
}
public static double findMedian(){
if(minHeap.size() > maxHeap.size()) return minHeap.peek();
else if(minHeap.size() < maxHeap.size()) return maxHeap.peek();
else return (minHeap.peek() + maxHeap.peek()) / 2.0;
}
至此,堆结构内容已经全部结束,回过头想想,堆结构paper tiger!
OK,《算法通关村第十四关——堆结构黄金挑战笔记》结束,喜欢的朋友三联加关注!关注鱼市带给你不一样的算法小感悟!(幻听)
再次,感谢鱼骨头教官的学习路线!鱼皮的宣传!小y的陪伴!ok,拜拜,第十五关第一幕见!