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1:
输入:
["MedianFinder","addNum","addNum","findMedian","addNum","findMedian"]
[[],[1],[2],[],[3],[]]
输出:[null,null,null,1.50000,null,2.00000]
来源:力扣(LeetCode)
链接:https://leetcode-cn.com/problems/shu-ju-liu-zhong-de-zhong-wei-shu-lcof
2.思路分析
建立一个 小顶堆 A 和 大顶堆 B ,各保存列表的一半元素,且规定:
- A保存较大的一半元素,长度为N / 2(N为偶数)或 (N + 1) / 2(N为奇数)
- B保存较小的一半元素,长度为N / 2(N为偶数)或 (N + 1) / 2(N为奇数)
随后,中位数可仅根据 A,B 的堆顶元素计算得到。
时间复杂度:
- 查找中位数 O(1) : 获取堆顶元素使用 O(1) 时间;
- 添加数字 O(log N) : 堆的插入和弹出操作使用 O(logN) 时间。
空间复杂度 O(N): 其中 N 为数据流中的元素数量,小顶堆 A 和大顶堆 B 最多同时保存 N 个元素。
3.解答
class MedianFinder {
//堆
//存储元素
PriorityQueue<Integer> small, big;
/** initialize your data structure here. */
public MedianFinder() {
small = new PriorityQueue<>(); //小顶堆,存储较大的一部分
big = new PriorityQueue<>((x, y) -> (y - x)); //大顶堆,存储较小的一部分
}
//添加元素
public void addNum(int num) {
if(small.size() == big.size()){
//如果两个堆存储的数量相等,则将新元素存储到大顶堆中
small.offer(num);
big.offer(small.poll());
}else{
//否则将新元素存到samll中
big.offer(num);
small.offer(big.poll());
}
}
//返回中位数
public double findMedian() {
//判断数组元素的数量
if(small.size() != big.size()){
//如果是奇数,中位数就是big堆的堆顶元素
return big.peek();
}else{
//是偶数
return (small.peek() + big.peek()) / 2.0;
}
}
}