LC295.数据流的中位数（双堆）

问题

题解

• 将窗口的元素分成两堆，使得一堆所有元素都>=中位数，另一堆所有元素都<=中位数。
• 用两个优先队列维护这两个堆，maxHeap和minHeap
• 规定maxHeap.size()-minHeap.size()==1或0，这样当两堆元素总个数为奇数时，maxHeap.peek()就是所需要的中位数，若为偶数，则中位数=maxHeap.peek()/2.0+minHeap.peek()/2.0；
• 关键在于维持maxHeap.size()-minHeap.size()==1或0这个关系，每次移动两个堆内元素都需要整理两个堆的元素，使其满足上述数量关系。
• 添加元素时，判断与两个堆堆顶的大小关系，再决定放入到哪个堆中。
• 在heap中放入数据为O(logn)

class MedianFinder {

    PriorityQueue<Integer> maxHeap;
    PriorityQueue<Integer> minHeap;

    /** initialize your data structure here. */
    public MedianFinder() {
        maxHeap = new PriorityQueue<Integer>((Collections.reverseOrder()));
        minHeap = new PriorityQueue<Integer>();
    }
    
    public void addNum(int num) {
        if(maxHeap.isEmpty() || maxHeap.peek() >= num){
            maxHeap.add(num);
        }else{
            minHeap.add(num);
        }
        balanceHeap(maxHeap, minHeap);
    }
    
    public double findMedian() {
        if(maxHeap.size() > minHeap.size()){
            return maxHeap.peek();
        }else{
            return maxHeap.peek() / 2.0 + minHeap.peek() / 2.0;
        }
    }
    
    public void balanceHeap(PriorityQueue<Integer> maxHeap, PriorityQueue<Integer> minHeap){
        if(maxHeap.size() < minHeap.size()){
            maxHeap.add(minHeap.poll());
        }else if(maxHeap.size() > minHeap.size() + 1){
            minHeap.add(maxHeap.poll());
        }
    }
}