剑指offer：数据流中的中位数

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。

思路：

因为是数据流中的数据，所以数据的个数会随着时间而增加。若用一个容器来保存流中读出来的数据，则当有新的数据来时，需要在容器中做插入操作，我们可以选择的容器有：

（1）数组：若没有排序，可以用Partition函数找到数组的中位数。在没有排序的数组中插入一个数字和找出中位数的时间复杂度为o(1),o(n)。也可以在插入数之前让数组保持排序，此时插入就需要移位，所以在o(n）的时间内完成插入，o(1)的时间得到中位数。

（2）排序的链表：o(n)的时间找到合适的位置进行插入。如果定义两个指针指向链表中间的结点，（如果链表中的节点数目是奇数，那么这两个指针指向同一个结点），则可以在o(1)的时间内得出中位数。

（3）二叉搜索树可以把插入新数据的平均时间降低到o(logn),但是，当二叉搜索树极度不平衡从而看起来像一个排序的链表时，插入新数据的时间仍然是o(n).

（4）平衡二叉树：o(logn)的时间往AVL树中添加一个新节点，同时用o(1)时间得到所有节点的中位数。

（5）最大堆：用最大堆实现左边的数据容器，用最小堆实现右边的数据容器。往堆中插入一个数据的时间为o(logn),由于只需要o(1)的时间就可以得到堆顶的数据，因此得到中位数的时间复杂度为o(1)。

上图，容器被分为两部分，位于容器左边的数都比右边的数小，另外，P1指向左边最大的数，P2指向右边最小的数。

若能保证容器左边的数都小于右边的数，那么即使左右两边内部没有排序，仍然可以根据左边最大和右边最小获得中位数。想要快速从容器中获得它的最大数和最小数，就要用到堆。

堆实现的细节：

（1）保证数据平均分配到两个堆中，所以两个堆中数据的数目之差不能超过1。为实现平均分配，可以在数据的总数目是偶数时把新数据插入最小堆，否则插入最大堆。

（2）最大堆中所有数据都要小于最小堆中所有的数据。当数据的总数目为偶数时，按照前面的分配规则，将新的数据插入最小堆。但是如果这个新插入的数据比最大堆中的一些数还小！！！我们可以先把这个新的数据插入最大堆，接着把最大堆中最大的数拿出来插入最小堆。此时插入到最小堆中的数是原最大堆中最大的数，这样就可以保证最小堆中所有的数都大于最大堆中的数。

实现：

import java.util.Comparator;
import java.util.PriorityQueue;
public class Solution {
    int count;
    PriorityQueue<Integer> minHeap=new PriorityQueue<Integer>();
    PriorityQueue<Integer> maxHeap=new PriorityQueue<Integer>(11,new Comparator<Integer>(){
        @Override
        public int compare(Integer o1,Integer o2){
            return o2.compareTo(o1);
        }
    });
 
    public void Insert(Integer num) {
        count++;
        if((count&1)==0){
            //偶数：新数插入最小堆
            if(!maxHeap.isEmpty()&&num<maxHeap.peek()){
                maxHeap.offer(num);
                num=maxHeap.poll();
            }
            minHeap.offer(num);
        }else{
            if(!minHeap.isEmpty()&&num>minHeap.peek()){
                minHeap.offer(num);
                num=minHeap.poll();
            }
            maxHeap.offer(num);
        }
     
    }
 
    public Double GetMedian() {
        if(count==0){
            throw new RuntimeException("no sufficiant number");
        }
        double result;
        if((count&1)==1){
            result=maxHeap.peek();
        }else{
            result=((minHeap.peek()+maxHeap.peek())/2.0);
        }
        return result;
    }
 
 
}