LeetCode 每日一题480. 滑动窗口中位数

480. 滑动窗口中位数

中位数是有序序列最中间的那个数。如果序列的大小是偶数，则没有最中间的数；此时中位数是最中间的两个数的平均数。

例如：

• [2,3,4]，中位数是 3
• [2,3]，中位数是 (2 + 3) / 2 = 2.5

给你一个数组 nums，有一个大小为 k 的窗口从最左端滑动到最右端。窗口中有 k 个数，每次窗口向右移动 1 位。你的任务是找出每次窗口移动后得到的新窗口中元素的中位数，并输出由它们组成的数组。

示例：

给出 nums = [1,3,-1,-3,5,3,6,7]，以及 k = 3。

窗口位置                      中位数
---------------               -----
[1  3  -1] -3  5  3  6  7       1
 1 [3  -1  -3] 5  3  6  7      -1
 1  3 [-1  -3  5] 3  6  7      -1
 1  3  -1 [-3  5  3] 6  7       3
 1  3  -1  -3 [5  3  6] 7       5
 1  3  -1  -3  5 [3  6  7]      6
 因此，返回该滑动窗口的中位数数组 [1,-1,-1,3,5,6]。

提示：

• 你可以假设 k 始终有效，即：k 始终小于输入的非空数组的元素个数。
• 与真实值误差在 10 ^-5 以内的答案将被视作正确答案。

方法一：优先队列

解题思路

此题的暴力解法是很容易想出来的：维护一个长度为 k 的数组，左出右进，每次排序后取中位数即可，但这样的时间复杂度是 O(klogk)。在此基础上，思考优化解法。

我们知道 优先队列 中的元素是有序的，但是优先队列并不支持按索引取值。为此，可以维护两个优先队列 smallHeap 和 largeHeap，各自存一半的数据，如果 k 为奇数 那么smallHeap 多放一个。注意：

1. smallHeap 是维护较小的那一半数据，堆顶是最大值，所以 smallHeap 是一个「大顶堆」
2. largeHeap 是维护较大的那一半数据，堆顶是最小值，所以 largeHeap 是一个「小顶堆」
3. k 是奇数，中位数就是 smallHeap.peek()；反之，中位数就是 (smallHeap.peek() + largeHeap.peek()) / 2

存储的问题搞定了，还有删除。优先队列只能删除堆顶元素。为此可以额外使用一个 Map 维护需要删除的元素，key 为待删除的数字，value 为此数字需要删除的次数。当堆顶元素在 Map 中时，说明此时需要删除堆顶的元素。

此外，我们还需要保持两个队列的平衡，即 smallHeap.size() 要么等于 largeHeap.size() ，要么等于 largeHeap.size() + 1。因为两个队列都可能存在 “待删除元素”，所以不能直接使用 size，需要手动维护两个队列中 “真实元素” 的数量。

参考代码

• 代码中封装了 DualHeap 类，其中 #insert(int x)、#remove(int x)、#getMedian() 分别代表 插入元素、删除元素、获取中位数。
• 每次插入元素和删除元素后，都需要调用 #balance() 方法平衡两个队列以及#checkTop() 方法检查堆顶元素是否可以删除。

public double[] medianSlidingWindow(int[] nums, int k) {
    int n = nums.length;
    double[] ans = new double[n - k + 1];
    DualHeap dualHeap = new DualHeap((k & 1) == 1);
    for (int i = 0; i < n; i++) {
        dualHeap.insert(nums[i]);
        if (i < k - 1) {
            continue;
        }
        ans[i - k + 1] = dualHeap.getMedian();
        dualHeap.remove(nums[i - k + 1]);
    }
    return ans;
}

@SuppressWarnings("all")
class DualHeap {
	// k 是否为奇数
    private boolean odd;
    private PriorityQueue<Integer> smallHeap;
    private PriorityQueue<Integer> largeHeap;
    private Map<Integer, Integer> lazyMap;
    // 两个队列中真实的元素数量（去掉待删除的）
    int smallSize, largeSize;

    public DualHeap(boolean odd) {
        this.odd = odd;
        this.smallHeap = new PriorityQueue<>(Comparator.reverseOrder());
        this.largeHeap = new PriorityQueue<>(Comparator.naturalOrder());
        this.lazyMap = new HashMap<>();
        smallSize = 0; largeSize = 0;
    }

    public void insert(int val) {
        if (smallHeap.isEmpty() || val <= smallHeap.peek()) {
            smallSize++;
            smallHeap.offer(val);
        } else {
            largeSize++;
            largeHeap.offer(val);
        }
        balance();
        checkTop();
    }

    public void remove(int val) {
        if (val <= smallHeap.peek()) {
            smallSize--;
        } else {
            largeSize--;
        }
        lazyMap.put(val, lazyMap.getOrDefault(val, 0) + 1);
        balance();
        checkTop();
    }

    public double getMedian() {
        return odd ? smallHeap.peek() : ((double) smallHeap.peek() + largeHeap.peek()) / 2;
    }

    // 执行插入和删除操作后，需要维持两个队列的平衡
    private void balance() {
        if (smallSize > largeSize + 1) {
            smallSize--;
            largeSize++;
            largeHeap.offer(smallHeap.poll());
        } else if (smallSize < largeSize) {
            smallSize++;
            largeSize--;
            smallHeap.offer(largeHeap.poll());
        }
    }

    // 如果堆顶元素是待删除元素则删除
    private void checkTop() {
        while (!smallHeap.isEmpty() && lazyMap.containsKey(smallHeap.peek())) {
            int x = smallHeap.poll();
            int count = lazyMap.get(x);
            if (count == 1) {
                lazyMap.remove(x);
            } else {
                lazyMap.put(x, count - 1);
            }
        }
        while (!largeHeap.isEmpty() && lazyMap.containsKey(largeHeap.peek())) {
            int x = largeHeap.poll();
            int count = lazyMap.get(x);
            if (count == 1) {
                lazyMap.remove(x);
            } else {
                lazyMap.put(x, count - 1);
            }
        }
    }
}

执行结果