480. 滑动窗口中位数
思路:
这一题我本来是会的,结果时隔一段时间就有错了,再次记录一下,与这一题类似的有295. 数据流的中位数
和239. 滑动窗口最大值,这两题都是使用堆来解题的,中位数的话就需要两个堆,两个堆的堆顶取平均就是对的啦~
于是我就开始:
class Solution {
public double[] medianSlidingWindow(int[] nums, int k) {
double[] medians = new double[nums.length - k + 1];
int index = 0;
PriorityQueue<Integer> large = new PriorityQueue<Integer>(new Comparator<Integer>(){
public int compare(Integer o1,Integer o2){
return o2 - o1;
}
});
PriorityQueue<Integer> small = new PriorityQueue<Integer>();
for(int i=0;i<nums.length;i++){
if(i<k){
small.add(nums[i]);
if(small.size() > large.size()) large.add(small.poll());
if(i == k-1) medians[index++] = largeHeap.size() == smallHeap.size() ? (largeHeap.peek() + smallHeap.peek()) * 0.5 : largeHeap.peek();
}else{
if(nums[i - k] <= large.peek()) { // 被替换的元素在大顶堆中
large.remove(nums[i - k]);
small.add(nums[i]);
large.add(small.poll());
}
else {
small.remove(nums[i - k]);
large.add(nums[i]);
small.add(large.poll());
}
medians[index++] = largeHeap.size() == smallHeap.size() ? (largeHeap.peek() + smallHeap.peek()) * 0.5 : largeHeap.peek();
}
}
return medians;
}
}
然后就出现了第一个错,测试用例中有的数在return o2 - o1;这里超出了int类型的最大长度。。。
于是我懒得管了,干脆用long吧,把所有类型都换成long(我太笨了,当时其实可以换成new PriorityQueue<>((o1,o2)->Integer.compare(o2,o1))的,但是我既然都改成了long就放弃挣扎了。。。)
注意换成long后这里不可以直接return o2 - o1噢,因为我们需要的返回值类型必须是int,所以就自己定义啦~
class Solution {
public double[] medianSlidingWindow(int[] nums, int k) {
double[] medians = new double[nums.length - k + 1];
int index = 0;
long[] longNums = new long[nums.length];
for(int i = 0; i < nums.length; i++) {
longNums[i] = nums[i];
}
PriorityQueue<Long> large = new PriorityQueue<Long>(new Comparator<Long>(){
public int compare(Long o1,Long o2){
if(o2 - o1 > 0) {
return 1;
}
else if(o2 - o1 < 0) {
return -1;
}
else {
return 0;
}
}
});
PriorityQueue<Long> small = new PriorityQueue<Long>();
for(int i=0;i<nums.length;i++){
if(i<k){
small.add(longNums[i]);
if(small.size() > large.size()) large.add(small.poll());
if(i == k-1) medians[index++] = large.size() == small.size() ? (large.peek() + small.peek()) * 0.5 : large.peek();
}else{
if(nums[i - k] <= large.peek()) { // 被替换的元素在大顶堆中
large.remove(longNums[i - k]);
small.add(longNums[i]);
large.add(small.poll());
}
else {
small.remove(longNums[i - k]);
large.add(longNums[i]);
small.add(large.poll());
}
medians[index++] = large.size() == small.size() ? (large.peek() + small.peek()) * 0.5 : large.peek();
}
}
return medians;
}
}
改好之后又出现了新的问题!!我这个堆的插入方法就是有问题的,因为我每次先往小顶堆插,再往大顶堆插,这就导致最开始放入大顶堆的那个数字永远无法进入小顶堆(也是就是nums数组中第一个数)。我们都知道这个小顶堆实际上存放的就是最大的一半数,而大顶堆存放的最小一半的数,如果最开始不分青红皂白直接把第一个数放入大顶堆,假如这个数很大(应该属于小顶堆),那么答案就会出错。
那么如何解决呢?我的方法是:来回倒饬😂,那样即使是开始第一个数被分错,那他也有机会在来回倒饬的时候被换到正确的位置!!!
large.add(longNums[i]);
small.add(large.poll());
if(small.size() > large.size()) large.add(small.poll());
完整代码就是这样:
public double[] medianSlidingWindow(int[] nums, int k) {
double[] medians = new double[nums.length - k + 1];
int index = 0;
long[] longNums = new long[nums.length];
for(int i = 0; i < nums.length; i++) {
longNums[i] = nums[i];
}
PriorityQueue<Long> large = new PriorityQueue<Long>(new Comparator<Long>(){
public int compare(Long o1,Long o2){
if(o2 - o1 > 0) {
return 1;
}
else if(o2 - o1 < 0) {
return -1;
}
else {
return 0;
}
}
});
PriorityQueue<Long> small = new PriorityQueue<Long>();
for(int i=0;i<nums.length;i++){
if(i<k){
large.add(longNums[i]);
small.add(large.poll());
if(small.size() > large.size()) large.add(small.poll());
if(i == k-1) medians[index++] = large.size() == small.size() ? (large.peek() + small.peek()) * 0.5 : large.peek();
}else{
if(nums[i - k] <= large.peek()) { // 被替换的元素在大顶堆中
large.remove(longNums[i - k]);
small.add(longNums[i]);
large.add(small.poll());
}
else {
small.remove(longNums[i - k]);
large.add(longNums[i]);
small.add(large.poll());
}
medians[index++] = large.size() == small.size() ? (large.peek() + small.peek()) * 0.5 : large.peek();
}
}
return medians;
}
}