41.数据流中的中位数_41. 数据流中的中位数-CSDN博客

本文链接：https://blog.csdn.net/qq_36744540/article/details/119709541

该博客介绍了如何通过大顶堆和小顶堆数据结构来实现在数据流中动态获取中位数的方法。具体实现包括在添加新数时保持堆的平衡，以及根据元素数量的奇偶性调整堆以确保正确返回中位数。提供的代码展示了MedianFinder类的实现，包括addNum和findMedian两个关键操作。

摘要由CSDN通过智能技术生成

41 数据流中的中位数

1 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。

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：

输入：
["MedianFinder","addNum","addNum","findMedian","addNum","findMedian"]
[[],[1],[2],[],[3],[]]
输出：[null,null,null,1.50000,null,2.00000]

2 题目分析

采用大顶堆+小顶堆的做法，因为中位数是数据流中间位置的元素，当个数为偶数时，中位数=中间两个元素的平均数，当个数为奇数时，中位数=中间元素插入操作：比如 1 4 6 7，元素 1 4进入大顶堆， 6 7进入小顶堆；插入3要保证有序可以先将3插入大顶堆，然后再将大顶堆首元素弹出，插入小顶堆；因为当元素个数为奇数时要返回大顶堆的元素，因此当插入元素后count为奇数时，还要将小顶堆的首元素放回大顶堆。

3 代码

class MedianFinder {
    /*
        思路：大顶推+小顶堆双堆实现
    */

    // 初始化
    private final PriorityQueue<Integer> maxHeap;
    private final PriorityQueue<Integer> minHeap;
    // count统计总次数
    private int count;

    /** initialize your data structure here. */
    public MedianFinder() {
        maxHeap = new PriorityQueue<>((x, y) -> y - x);
        minHeap = new PriorityQueue<>();
        count = 0;
    }

    public void addNum(int num) {
        count++;
        // 先往大顶堆加入
        maxHeap.offer(num);
        // 然后把大顶堆的堆首出来加入到小顶堆
        minHeap.offer(maxHeap.poll());
        // 进行判断更正：如果count是奇数的话把小顶堆返回来
        if ((count & 1) != 0) {
            maxHeap.offer(minHeap.poll());
        }
    }

    public double findMedian() {
        if(maxHeap.isEmpty() ||minHeap.isEmpty()) return 0;
        // 如果是偶数
        if ((count & 1) == 0) {
            return (double) (maxHeap.peek() + minHeap.peek()) / 2;
        }
        return (double)maxHeap.peek();
    }
}