剑指offer数据流中的中位数

上午整理了有关链表的反转问题，这道算是今天的第一道题，今天你如约而至了吗？上题：

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。

分析：数据流是不断输入的数据，求解中位数，则需要进行排序，在根据奇偶长度来求解中位数。

方法一：先输入，再排序，最后求解中位数。
步骤：
    1、创建一个ArrayList列表，用来动态存放输入的数据。
    2、利用size求解出长度；
    3、利用Collections.sort（list），对list进行排序；
    4、根据列表长度是奇数还是偶数，进行求解。
代码：
import java.util.ArrayList;
import java.util.Collections;
public class Solution {
    ArrayList<Integer> list = new ArrayList<>();
    public void Insert(Integer num) {
        list.add(num);
    }

    public Double GetMedian() {
        int length = list.size();
        Collections.sort(list);
        if(length%2==0){
            return ((double)list.get(length/2)+(double)list.get(length/2-1))/2;
        }else{
            return (double)list.get(length/2);
        }
    }
}
牛客运行通过
运行时间：24ms
运行内存：9812Kb
这里主要使用了库函数进行的排序，省去了自己排序。
这里如何对列表进行排序，我是找了很久才找到的，list.sort()；是无法实现的，只能向上找。

方法二：边输入边排序，在求解中位数
步骤：
    1、利用直接插入的排序算法，对输入的数据直接进行排序。
    2、根据奇偶性得到中位数。
这里就不在赘述。

方法三：堆的特性

需要求的是中位数，如果我将 1 2 3 4 5 6 7 8定为最终的数据流
此时的中位数是4+5求均值。为什么是4，为什么是5
利用队列我们就可以看得很清楚，
4是前半部分的最大值，肯定是维系在大顶堆；
5是后半部分的最小值，肯定是维系在小顶堆。
问题就好理解了：使用小顶堆存大数据，使用大顶堆存小数据。这样堆顶一取出就是中位数了。
代码：
import java.util.PriorityQueue;
import java.util.Comparator;
public class Solution {
    //小顶堆，用该堆记录位于中位数后面的部分
    private PriorityQueue<Integer> minHeap = new PriorityQueue<Integer>();  //默认是小顶堆

    //大顶堆，用该堆记录位于中位数前面的部分
    private PriorityQueue<Integer> maxHeap = new PriorityQueue<Integer>(15, new Comparator<Integer>() {
        @Override
        public int compare(Integer o1, Integer o2) {
            return o2 - o1;
        }
    });

    //记录偶数个还是奇数个
    int count = 0;
    //每次插入小顶堆的是当前大顶堆中最大的数
    //每次插入大顶堆的是当前小顶堆中最小的数
    //这样保证小顶堆中的数永远大于等于大顶堆中的数
    //中位数就可以方便地从两者的根结点中获取了
    //优先队列中的常用方法有：增加元素，删除栈顶，获得栈顶元素，和队列中的几个函数应该是一样的
    //offer peek poll,
    public void Insert(Integer num) {
        //个数为偶数的话，则先插入到大顶堆，然后将大顶堆中最大的数插入小顶堆中
        if(count % 2 == 0){
            maxHeap.offer(num);
            int max = maxHeap.poll();
            minHeap.offer(max);
        }else{
            //个数为奇数的话，则先插入到小顶堆，然后将小顶堆中最小的数插入大顶堆中
            minHeap.offer(num);
            int min = minHeap.poll();
            maxHeap.offer(min);
        }
        count++;
    }
    public Double GetMedian() {
        //当前为偶数个，则取小顶堆和大顶堆的堆顶元素求平均
        if(count % 2 == 0){
            return new Double(minHeap.peek() + maxHeap.peek())/2;
        }else{
            //当前为奇数个，则直接从小顶堆中取元素即可，所以我们要保证小顶堆中的元素的个数。
            return new Double(minHeap.peek());
        }
    }
}
牛客运行通过
运行时间：23ms
运行内存：9596Kb
方法三是参考了题库中的，解析也是非常详细的，但是如果对优先队列不是很熟悉，就用最笨的第一种方法吧，哈哈哈~~
欢饮各位互相监督和学习哦~~