1. 题目
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。
例如,
[2,3,4] 的中位数是 3
[2,3] 的中位数是 (2 + 3) / 2 = 2.5
设计一个支持以下两种操作的数据结构:
void addNum(int num) - 从数据流中添加一个整数到数据结构中。
double findMedian() - 返回目前所有元素的中位数。
示例 1:
输入:
[“MedianFinder”,“addNum”,“addNum”,“findMedian”,“addNum”,“findMedian”]
[[],[1],[2],[],[3],[]]
输出:[null,null,null,1.50000,null,2.00000]
示例 2:
输入:
[“MedianFinder”,“addNum”,“findMedian”,“addNum”,“findMedian”]
[[],[2],[],[3],[]]
输出:[null,null,2.00000,null,2.50000]
限制:
最多会对 addNum、findMedian 进行 50000 次调用。
2. 题解
2.1 解法1: 优先队列 (堆)
思路
使用 小顶堆 A和大顶堆 B分别保存数据的一半, A保存较大的一半, B保存较小的一半, 这样需要中位数时, 根据数据总数弹出 A,B的堆顶即可, 左大顶, 右小顶
流程
添加数字时, 设 A ,B中元素个数分别为 m, n
- 若 m=n, 此时添加元素到小顶堆A, 但具体操作时, 先将元素加入 B 中, 再将B的堆顶元素加入A
- 若 m!=n, 此时添加元素到 B, 但具体操作时, 先将元素加入 A 中, 再将B的堆顶元素加入B
class MedianFinder {
PriorityQueue<Integer> A;
PriorityQueue<Integer> B;
/**
* initialize your data structure here.
*/
public MedianFinder() {
A = new PriorityQueue<>();
B = new PriorityQueue<>(new Comparator<Integer>() {
@Override
public int compare(Integer o1, Integer o2) {
return o2 - o1;
}
});
}
public void addNum(int num) {
int m = A.size();
int n = B.size();
if (m == n) {
B.offer(num);
A.offer(B.poll());
} else {
A.offer(num);
B.offer(A.poll());
}
}
public double findMedian() {
if (A.size() == B.size()) {
return (A.peek() + B.peek()) / 2.0;
} else {
return A.peek();
}
}
}
2.2 解法 2: 简单排序
在需要返回中位数时队集合进行排序, 计算中位数
class MedianFinder {
List<Integer> list;
/**
* initialize your data structure here.
*/
public MedianFinder() {
list = new ArrayList<>();
}
public void addNum(int num) {
list.add(num);
}
public double findMedian() {
Collections.sort(list);
int n = list.size();
if (n % 2 == 1) {
return list.get(n / 2);
} else {
return (list.get(n / 2) + list.get(n / 2 - 1)) / 2.0;
}
}
}
时间复杂度: O(nlogn)
2.3解法 3: 插入排序
保持集合中元素有序, 在 addNum() 插入元素时使用插入排序, 寻找第一个大于 num 的数的下标
class MedianFinder {
List<Integer> list;
/**
* initialize your data structure here.
*/
public MedianFinder() {
list = new ArrayList<>();
}
public void addNum(int num) {
int n = list.size();
int i = 0;
// 寻找第一个大于 num 的数的下标
for (; i < n; i++) {
if (num < list.get(i)) {
break;
}
}
list.add(i, num);
}
public double findMedian() {
int n = list.size();
if (n % 2 == 1) {
return list.get(n / 2);
} else {
return (list.get(n / 2) + list.get(n / 2 - 1)) / 2.0;
}
}
}
优化
在插入元素时, 由于原集合有序, 可以使用二分查找来找到第一个大于num的位置
注意点:
- 二分查找寻找元素所有可能插入的位置, 注意条件判断时, 因为是寻找大于 num 下标的数的位置, 所以是 >=
- 最后考虑list 为空, 有一个元素的情况, 进行特判
class MedianFinder {
List<Integer> list;
/**
* initialize your data structure here.
*/
public MedianFinder() {
list = new ArrayList<>();
}
public void addNum(int num) {
int n = list.size();
int left = 0, right = n - 1;
// 寻找第一个大于 num 的数的下标, 可能插入的位置, 包含n
while (left < right) {
int mid = left + (right - left) / 2;
if (num >= list.get(mid)) {
left = mid + 1;
} else {
right = mid;
}
}
// 这里注意判断 0个元素和 1 个元素导致的特殊情况
if (n == 0 || list.get(left) <= num) {
list.add(num);
} else {
list.add(left, num);
}
System.out.println(1);
}
public double findMedian() {
int n = list.size();
if (n % 2 == 1) {
return list.get(n / 2);
} else {
return (list.get(n / 2) + list.get(n / 2 - 1)) / 2.0;
}
}
}
参考: 详细通俗的思路分析,多解法