随时找到数据流的中位数
实现思路
准备两个堆,一个放前 n/2 个数,另一个放后 n/2个数。
比如 5 3 6 4
5 放到大根堆里,第二个数进来,5>3 ,将 3放到5下面。此时第一个堆里有2个数,第二个里有0个数。2-0>=2。将第一个堆的堆顶的数放入第二个堆,即小根堆,此时第一个堆里只有3 ,第二个里只有5 。
6 进来, 放入小根堆
3 5 6
4进来, 4比3 大,进小根堆,但是此时小根堆里有三个数,3-1>=2 ,所以将小根堆的堆顶弹出到大根堆。
此时:
3 4 56
大根堆堆顶为4,小根堆堆顶为5,中位数便可找到。
public static class MedianHolder {
private PriorityQueue<Integer> maxHeap = new PriorityQueue<Integer>(new MaxHeapComparator());
private PriorityQueue<Integer> minHeap = new PriorityQueue<Integer>(new MinHeapComparator());
private void modifyTwoHeapsSize() {
//如果一个堆的size-另一个堆的size >2 弹出栈顶到另一个栈中
if (this.maxHeap.size() == this.minHeap.size() + 2) {
this.minHeap.add(this.maxHeap.poll());
}
if (this.minHeap.size() == this.maxHeap.size() + 2) {
this.maxHeap.add(this.minHeap.poll());
}
}
public void addNumber(int num) {
if (this.maxHeap.isEmpty()) {
//先加入大根堆
this.maxHeap.add(num);
return;
}
if (this.maxHeap.peek() >= num) {
//如果大根堆的堆顶大于等于此时的num
this.maxHeap.add(num);
} else {
if (this.minHeap.isEmpty()) {
//如果小于 将新来的数加到小根堆里
this.minHeap.add(num);
return;
}
if (this.minHeap.peek() > num) {
this.maxHeap.add(num);
} else {
this.minHeap.add(num);
}
}
modifyTwoHeapsSize();
//判断此时两个栈是否需要交换
}
public Integer getMedian() {
//得到中位数
int maxHeapSize = this.maxHeap.size();
int minHeapSize = this.minHeap.size();
if (maxHeapSize + minHeapSize == 0) {
return null;
}
Integer maxHeapHead = this.maxHeap.peek();
Integer minHeapHead = this.minHeap.peek();
if (((maxHeapSize + minHeapSize) & 1) == 0) {
return (maxHeapHead + minHeapHead) / 2;
}
return maxHeapSize > minHeapSize ? maxHeapHead : minHeapHead;
}
}
public static class MaxHeapComparator implements Comparator<Integer> {
//定义比较器,比较的是数值,小的在前。
@Override
public int compare(Integer o1, Integer o2) {
if (o2 > o1) {
return 1;
} else {
return -1;
}
}
}
public static class MinHeapComparator implements Comparator<Integer> {
@Override
public int compare(Integer o1, Integer o2) {
if (o2 < o1) {
return 1;
} else {
return -1;
}
}
}
// for test
public static int[] getRandomArray(int maxLen, int maxValue) {
int[] res = new int[(int) (Math.random() * maxLen) + 1];
for (int i = 0; i != res.length; i++) {
res[i] = (int) (Math.random() * maxValue);
}
return res;
}
// for test, this method is ineffective but absolutely right
public static int getMedianOfArray(int[] arr) {
int[] newArr = Arrays.copyOf(arr, arr.length);
Arrays.sort(newArr);
int mid = (newArr.length - 1) / 2;
if ((newArr.length & 1) == 0) {
return (newArr[mid] + newArr[mid + 1]) / 2;
} else {
return newArr[mid];
}
}
public static void printArray(int[] arr) {
for (int i = 0; i != arr.length; i++) {
System.out.print(arr[i] + " ");
}
System.out.println();
}
public static void main(String[] args) {
int len = 5;
int maxValue = 10;
int[] arr = getRandomArray(len, maxValue);
printArray(arr);
System.out.println(getMedianOfArray(arr));
MedianHolder medianHold = new MedianHolder();
for (int j = 0; j != arr.length; j++) {
medianHold.addNumber(arr[j]);
}
System.out.println(medianHold.getMedian());
}
微软折纸问题
它的折痕是一棵左子树的节点都为下,右子树的节点都为上的一棵二叉树。
空间复杂度为O(n),即树的高度。
提示的地方在于,折n次,出来2^n -1 条折痕。
大佬写得递归版本,自己在纸上画画过程好理解些:
public static void printAllFolds(int N) {
printProcess(1, N, true);
}
public static void printProcess(int i, int N, boolean down) {
if (i > N) {
return;
}
printProcess(i + 1, N, true);
System.out.println(down ? "down " : "up ");
printProcess(i + 1, N, false);
}
public static void main(String[] args) {
int N = 4;
printAllFolds(N);
}