LeetCode 练习——295. 数据流的中位数

1.题目描述

295. 数据流的中位数

中位数是有序列表中间的数。如果列表长度是偶数，中位数则是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：

addNum(1)
addNum(2)
findMedian() -> 1.5
addNum(3) 
findMedian() -> 2

2.解题思路与代码

2.1 解题思路

题目要求一个数据流的中位数，并且数量为奇数时返回中间一个，数量为偶数时返回中间两个数的平均值，我们可以使用一个大根堆一个小根堆来进行处理。大根堆存放流中较小的数，小根堆存放较大的数，并且当个堆大小相差超过 1 时，将数量多的堆堆顶弹出，并放入数量较小的堆中，使两个堆数量保持一致。下面进行详细的说明。

1. 首先两个堆都是空的，此时将调用 addNum(3) 将 3 放入大根堆中
   

2. 然后调用 addNum(4) ，放入的数 4 比大根堆的堆顶元素大，因此将 4 放入小根堆中，此时 4 位于堆顶。两个堆大小相同，所以数据流总数为偶数，因此中位数便使两个堆顶的平均数 3.5
   

3. 接下来调用 addNum(2) ，此时 2 小于大根堆堆顶元素，将 2 放入大根堆中，此时数据流总数为奇数，因此中位数就是数据较多的那一个堆的堆顶值，即 3
   

4. 再调用 addNum(1)，按照前面的思路 1 应当放入大根堆中，此时大根堆和小根堆大小相差 2 ，因此需要弹出大根堆堆顶顶后放入小根堆中，即 3 放入小根堆中，以保持两个堆的数量平衡。此时两个堆大小相同，那么中位数就是 2.5
   

5. 之后调用 addNum 方法是重复上面的操作便能够快速获取到数据流的中位数
   

2.2 代码

class MedianFinder {
    PriorityQueue<Integer> maxQueue;
    PriorityQueue<Integer> minQueue;

    public MedianFinder() {
        maxQueue = new PriorityQueue<>((o1, o2) -> o2 - o1);
        minQueue = new PriorityQueue<>();
    }

    public void addNum(int num) {
        if (maxQueue.size() == 0 || maxQueue.peek() > num) {
            maxQueue.offer(num);
        } else {
            minQueue.offer(num);
        }
        if (Math.abs(maxQueue.size() - minQueue.size()) >= 2) {
            if (maxQueue.size() > minQueue.size()) {
                minQueue.offer(maxQueue.poll());
            } else {
                maxQueue.offer(minQueue.poll());
            }
        }
    }

    public double findMedian() {
        if ((maxQueue.size() + minQueue.size()) % 2 == 0) {
            return (double) (maxQueue.peek() + minQueue.peek()) / 2;
        } else {
            return maxQueue.size() > minQueue.size() ? maxQueue.peek() : minQueue.peek();
        }
    }
}

2.3 测试结果

通过测试

3.总结

• 使用大根堆和小根堆完成，大根堆存放较小的，小根堆存放较大的
• 每次放入数据时需要维持两个堆的大小平衡，即大根堆和小根堆的大小相差小于 2
• 当数据流总数为奇数时，中位数就是数量较多的堆的堆顶元素；数据流为偶数时，为两个堆堆顶元素的平均值