（刷题笔记）查找中位数

查找中位数

295. 数据流的中位数

数组

用一个数组记录所有addNum添加进来的数字，通过插入排序的逻辑保证数组中的元素有序，当调用findMedian方法时，可以通过数组索引直接计算中位数。

但是用数组作为底层容器的问题也很明显，addNum搜索插入位置的时候可以用二分搜索算法，但是插入操作需要搬移数据，所以最坏时间复杂度为 O(N)。

链表

链表插入元素很快，但是查找插入位置的时候只能线性遍历，最坏时间复杂度还是 O(N)，而且findMedian方法也需要遍历寻找中间索引，最坏时间复杂度也是 O(N)。

TreeSet

TreeSet是一种Set，其中不存在重复元素的元素，但是数据流可能输入重复数据。

TreeSet并没有实现一个通过排名快速计算元素的 API。假设想找到TreeSet中第 5 大的元素，并没有一个现成可用的方法实现这个需求。

优先队列

定义两个优先队列，大顶堆small和小顶堆large。想象一下，small中存放的是整个有序数组的前半部分，小顶堆large存放的是整个有序数组的后半部分，如下图所示，那么中位数为堆顶的元素，两个堆大小相等则求平均，否则取堆较大的堆顶。(图片出自微信公众号：labuladong)

用两个堆来求解中位数挺有意思的，精髓是addNum方法。

class MedianFinder {
    PriorityQueue<Integer> small;
    PriorityQueue<Integer> large;
    public MedianFinder() {
        // 定义大顶堆
        small = new PriorityQueue<>((a,b)->{return b-a;});
        // Java默认是小顶堆
        large = new PriorityQueue<>();
    }

    public void addNum(int num) {
    if (small.size()>=large.size()){
            small.add(num);
            large.add(small.poll());
        }else{
            large.add(num);
            small.add(large.poll());
        }
    }

    public double findMedian() {
        if (large.size()==small.size())
            return (large.peek()+small.peek())/2.0;
        else
            return large.size()>small.size()?large.peek():small.peek();
    }
}

用两个堆不仅可以用来求中位数，也可以求第k位数。