leetcode295.数据流的中位数

中位数是有序整数列表中的中间值。如果列表的大小是偶数，则没有中间值，中位数是两个中间值的平均值。

例如 arr = [2,3,4] 的中位数是 3 。

例如 arr = [2,3] 的中位数是 (2 + 3) / 2 = 2.5 。

 

实现 MedianFinder 类:

MedianFinder() 初始化 MedianFinder 对象。

void addNum(int num) 将数据流中的整数 num 添加到数据结构中。

double findMedian() 返回到目前为止所有元素的中位数。与实际答案相差 10＾-5 以内的答案将被接受。

---

示例 1：

输入

["MedianFinder", "addNum", "addNum", "findMedian", "addNum", "findMedian"]

[[], [1], [2], [], [3], []]

输出

[null, null, null, 1.5, null, 2.0]

解释

MedianFinder medianFinder = new MedianFinder();

medianFinder.addNum(1); // arr = [1]

medianFinder.addNum(2); // arr = [1, 2]

medianFinder.findMedian(); // 返回 1.5 ((1 + 2) / 2)

medianFinder.addNum(3); // arr[1, 2, 3]

medianFinder.findMedian(); // return 2.0

解决方案

双堆法

1. 我们创建一个大根堆和一个小根堆，分别用来存储数据流中较小的一半和较大的一半元素。然后，我们定义一个变量median来保存当前的中位数。
2. 每当有一个新的元素num加入到数据流中时，我们需要更新两个堆和median。具体步骤如下：
3. 如果num小于或等于median，那么我们把num加入到大根堆中；否则，我们把num加入到小根堆中。
4. 如果两个堆中的元素个数相差超过1，那么我们需要调整两个堆的大小，使得它们相差不超过1。具体方法是：如果大根堆比小根堆多2个元素，那么我们把大根堆的最大元素移动到小根堆中；如果小根堆比大根堆多2个元素，那么我们把小根堆的最小元素移动到大根堆中。
5. 如果两个堆中的元素个数相等，那么median就是两个堆顶元素的平均值；如果其中一个堆多一个元素，那么median就是该多出来的元素。
6. 这样，每次添加一个新元素后，我们都可以在O(log n)的时间内更新两个堆和median，并且在O(1)的时间内返回当前的中位数。

有序集合

• 用有序集合解决这个问题的方法，就是把数据流中的整数 num 作为有序集合的成员，每次添加一个新的整数 num 时，只需要找到它在有序集合中的正确位置。然后，要找到所有元素的中位数，只需要根据有序集合的大小，取出中间一个或两个成员，并计算它们的平均值。