题目
中位数是有序序列最中间的那个数。如果序列的长度是偶数,则没有最中间的数;此时中位数是最中间的两个数的平均数。
例如:
[2,3,4],中位数是 3
[2,3],中位数是 (2 + 3) / 2 = 2.5
给你一个数组 nums,有一个长度为 k 的窗口从最左端滑动到最右端。窗口中有 k 个数,每次窗口向右移动 1 位。你的任务是找出每次窗口移动后得到的新窗口中元素的中位数,并输出由它们组成的数组。
示例1
给出 nums = [1,3,-1,-3,5,3,6,7],以及 k = 3。
窗口位置 中位数
--------------- -----
[1 3 -1] -3 5 3 6 7 1
1 [3 -1 -3] 5 3 6 7 -1
1 3 [-1 -3 5] 3 6 7 -1
1 3 -1 [-3 5 3] 6 7 3
1 3 -1 -3 [5 3 6] 7 5
1 3 -1 -3 5 [3 6 7] 6
因此,返回该滑动窗口的中位数数组 [1,-1,-1,3,5,6]。
提示
- 你可以假设 k 始终有效,即:k 始终小于输入的非空数组的元素个数。
- 与真实值误差在 10 ^ -5 以内的答案将被视作正确答案
题解
- 可以用两个堆来计算一个区间的中位数
- 大顶堆,表示一个有序序列的前半部分。即:小于等于中位数的部分
- 小顶堆,表示有序序列的后半部分。即:大于中位数的部分
- 当序列长度为奇数时,中位数为大顶堆的顶堆元素;为偶数时,中位数为大顶堆与小顶堆堆顶元素的平均数
- 如何去初始化两个堆
- 大顶堆的大小至多比小顶堆多1
- 判断大顶堆是否为空,若为空情况下,直接添加当前元素到大顶堆中;不为空,比较当前元素与大顶堆的堆顶元素,若小于堆顶元素,则加入大顶堆,否则加入小顶堆
- 加入当前元素之后,有两种情况。
1:此时大顶堆的大小-小顶堆的大小>1,此时需要将大顶堆的堆顶元素弹出并加入小顶堆
2:大顶堆的大小<小顶堆的大小,将小顶堆的堆顶元素弹出并加入大顶堆
- 对于每个窗口,计算其中位数,窗口移动时,将窗口右端的元素在其对应的堆中弹出
参考代码
class Solution {
public double[] medianSlidingWindow(int[] nums, int k) {
// 大顶堆,前半部分,即:小于等于中位数的部分
PriorityQueue<Long> preHalf = new PriorityQueue<Long>(new Comparator<Long>() {
public int compare(Long num1, Long num2) {
return num2.compareTo(num1);
}
});
// 小顶堆,后半部分,即:大于中位数的部分
PriorityQueue<Long> endHalf = new PriorityQueue<>();
// 向两个堆中添加数据
// 在两个堆都为空的情况下:肯定先向前半部分preHalf添加
// 前半部分preHalf不为空:当前元素与大顶堆preHalf堆顶元素比较
// preHalf的大小最多比endHalf的大小多1
// 当preHalf大小 == endHalf大小时,中位数为两堆顶元素之和的平均数
// 当preHalf大小 == endHalf大小+1时,中位数为preHalf的堆顶元素
// 初始化
for(int i = 0; i < k; i++) {
preHalf.offer((long) nums[i]);
}
// 平衡
while(preHalf.size() - endHalf.size() > 1) {
endHalf.offer((long) preHalf.poll());
}
// 返回结果
double[] res = new double[nums.length-k+1];
res[0] = getM(k, preHalf, endHalf);
for(int i = k; i < nums.length; i++) {
int curNum = nums[i]; // 当前数字
int removeNum = nums[i-k]; // 要弹出的数字
// 要移除的数字在preHalf内,则直接移除;否则在endHalf内移除
if(!preHalf.isEmpty() && removeNum <= preHalf.peek()) {
preHalf.remove(Long.valueOf(removeNum));
} else {
endHalf.remove(Long.valueOf(removeNum));
}
// 移除之后将当前元素加入到相对应的堆内
if(!preHalf.isEmpty() && curNum <= preHalf.peek()) {
preHalf.offer(Long.valueOf(curNum));
} else {
endHalf.offer(Long.valueOf(curNum));
}
// 维持平衡
while(preHalf.size() - endHalf.size() > 1) {
endHalf.offer(preHalf.poll());
}
while(preHalf.size() < endHalf.size()) {
preHalf.offer(endHalf.poll());
}
// 结果
res[i-k+1] = getM(k, preHalf, endHalf);
}
return res;
}
public double getM(int k, PriorityQueue<Long> preHalf, PriorityQueue<Long> endHalf) {
double median;
if(k % 2 == 0) {
median = (double) (preHalf.peek() + endHalf.peek()) / 2;
} else {
median = (double) preHalf.peek();
}
return median;
}
}