数据流的中位数

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

方法一：利用插入排序
插入排序能保证将元素添加到列表中还有序
可以用二分法定位到应该插入的位置，将其插入
中位数即为中间的一个或两个数
时间复杂度：O(n)

• 二分查找:O(logn)
• 插入后元素移动:O(n)

class MedianFinder {

    private List<Integer> list;

    public MedianFinder() {
        list=new ArrayList<>();
    }

    public void addNum(int num) {
        int pos=binarySearch(num);
        list.add(pos,num);
    }

    public int binarySearch(int target){
        int low=0;
        int high=list.size()-1;
        while (low<=high){
            int mid=(low+high)/2;
            if(list.get(mid)<=target){
                low=mid+1;
            } else {
                high=mid-1;
            }
        }
        return low;
    }

    public double findMedian() {
        int size=list.size();
        if(size==0) return 0;
        if(size%2==0){
            return (list.get(size/2-1)+list.get(size/2))/2.0;
        } else {
            return list.get(size/2);
        }
    }
}

方法二：两个堆
一个大根堆：存较小的数字，根顶为这部分最大的数字
一个小根堆：存较大的数字，根顶为这部分最小的数字
只要保证两个堆大小相同或相差1，可以直接从根顶得到中位数

如允许大根堆元素多1，获取中位数时：

• 两个堆大小相同，取两个堆顶元素的平均值
• 大根堆要大1，取大根堆的堆顶元素

两个堆平衡的保证：

• 两个堆大小相同，将元素添加到大根堆中，为了保证大根堆存较小数字，小根堆存较大数字，进行调整
  • 将大根堆中最大的元素移到小根堆中，再将小跟堆中最小的元素移到大根堆中
• 大根堆更大， 将元素添加到小根堆中，调整方式：
  • 将小根堆中最大的元素移到大根堆中，再将大根堆中最大的元素移到小根堆中

时间复杂度：O(logn)

• 进行堆调整时，3次添加，2次删除，O(5logn)
• 获取中位数:O(1)

class MedianFinder {

    private PriorityQueue<Integer> bigQueue = new PriorityQueue<>((o1, o2) -> o2 - o1);//大根堆，存较小的元素
    private PriorityQueue<Integer> smallQueue = new PriorityQueue<>();//小根堆，存较大的元素

    public void addNum(int num) {
        if (bigQueue.size() == smallQueue.size()) {
            bigQueue.offer(num);//先加到大根堆中
            smallQueue.offer(bigQueue.poll());//再将大根堆中最大的元素移到小根堆中
            bigQueue.offer(smallQueue.poll());//再将小根堆最小的元素移到大根堆中
        } else {
            smallQueue.offer(num);//先加到小根堆中
            bigQueue.offer(smallQueue.poll());//再将小根堆中最小的元素移到大根堆中
            smallQueue.offer(bigQueue.poll());//再将大根堆最大的元素移到小根堆中
        }
    }

    public double findMedian() {
        if(smallQueue.size()==bigQueue.size()){//两个堆大小相同，取堆顶元素的平均值
            return (smallQueue.peek()+bigQueue.peek())/2.0;
        } else {//大根堆比小根堆元素个数多1，中位数即大根堆的根元素
            return bigQueue.peek();
        }
    }
}