剑指Offer之寻找数据流中的中位数【包含大顶堆小顶堆解释】

最新推荐文章于 2022-10-21 07:13:53 发布

__萌新

最新推荐文章于 2022-10-21 07:13:53 发布

阅读量264

点赞数

分类专栏：刷题文章标签：数据结构 java

本文链接：https://blog.csdn.net/qq_33949900/article/details/106640555

版权

刷题专栏收录该内容

11 篇文章 0 订阅

订阅专栏

数据流中的中位数

题目描述
题解
最小堆和最大堆解释
参考链接

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。

题解

解题思路—直接插入：使用ArrayList，每次输入数据时，使用直接插入的思想，将数据按顺序插入list中。

但是对于海量数据而言，直接插入法效率太低，所以推荐使用大顶堆小顶堆来解这道题，将数据尽量平均的存入大顶堆和小顶堆中，堆顶即为中位数。

规定：0<=小顶堆数据个数-大顶堆数据个数<=1
// minheap：小顶堆；maxheap：大顶堆。
// top_minheap：小顶堆的堆顶元素；top_maxheap：大顶堆的堆顶元素。

1.当堆中数据总数为奇数时（小顶堆个数比大顶堆多一个）
当num<=top_minheap，将insert的数据num直接放入大顶堆；
当num>top_minheap，先将top_minheap加入maxheap，再将num加入minheap中。
此时，堆中数据个数变为偶数，中位数输出：(top_minheap+top_maxheap)/2

2.当堆中数据总数为偶数时（小顶堆大顶堆个数一致）
当num>=top_maxheap，将insert的数据num直接放入小顶堆；
当num<top_maxheap，先将top_maxheap加入minheap，再将num加入maxheap中。
此时，堆中数据个数变为奇数，最后中位数输出：top_minheap

代码：

import java.util.PriorityQueue;
public class Solution {
    // 定义大顶堆，使用lambda表达式
    public PriorityQueue<Integer> maxheap = new PriorityQueue<>((x,y)-> y-x);
    // 定义小顶堆，PriorityQueue默认创建小顶堆
    public PriorityQueue<Integer> minheap = new PriorityQueue<>();
    // 是否为奇数
    public boolean isOdd = false;
    public void Insert(Integer num) {
        if(!isOdd){ // 堆中数据偶数个
            if(minheap.isEmpty())
                minheap.add(num);
            else{
                if(num>=maxheap.peek())
                    minheap.add(num);
                else{
                    minheap.add(maxheap.poll());
                    maxheap.add(num);
                }
            }
        }else{ // 堆中数据奇数个
            if(num<=minheap.peek())
                maxheap.add(num);
            else{
                maxheap.add(minheap.poll());
                minheap.add(num);
            }
        }
        isOdd = !isOdd;
    }

    public Double GetMedian() {
        if(minheap.isEmpty())
            return 0.0;
        if(isOdd)
            return (double) minheap.peek();
        else
            return (double) (minheap.peek()+maxheap.peek())/2;
    }
}