目录
一、剑指offer(62)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。
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。
我的解法:
1.使用一个队列存储数据
2.对数据进行排序
3.奇数和偶数分类取出
import java.util.LinkedList;
public class Solution {
LinkedList<Integer> list = new LinkedList<>();
public void Insert(Integer num) {
list.addLast(num);
}
public Double GetMedian() {
list.sort((a,b)->(a-b));
int size = list.size();
if (size%2==0){
return (list.get(size/2-1)+list.get(size/2))/2.0;
}
else {
return (double)list.get(size/2);
}
}
}
最大堆和最小堆的解法:
思路:
为了保证插入新数据和取中位数的时间效率都高效,这里使用大顶堆+小顶堆的容器,并且满足:
1、两个堆中的数据数目差不能超过1,这样可以使中位数只会出现在两个堆的交接处;
2、大顶堆的所有数据都小于小顶堆,这样就满足了排序要求。
import java.util.PriorityQueue;
import java.util.Comparator;
public class Solution {
//小顶堆
private PriorityQueue minHeap = new PriorityQueue();
//大顶堆
private PriorityQueue maxHeap = new PriorityQueue(15, new Comparator() {
@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
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
return new Double(minHeap.peek());
}
}
}
红黑树解法思路:
每个结点左子树均是小于等于其value的值,
右子树均大于等于value值。每个子树均按其 “结点数” 调节平衡。
这样根节点一定是中间值中的一个。若结点数为奇数,则返回根节点的值;若结点个数为偶数,
则再从根结点左子数或右子数中个数较多的子树中选出最大或最小值既可。