题干
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
进阶:
如果数据流中所有整数都在 0 到 100 范围内,你将如何优化你的算法?
如果数据流中 99% 的整数都在 0 到 100 范围内,你将如何优化你的算法?
想法
通过优先队列构造最大堆最小堆
用最大堆放小的那部分数
最小堆放大的那部分数
插入:
插入到最大堆,再将最大堆的最小值更新到最小堆
最小堆反之
看代码即可
代码
class MedianFinder {
/** initialize your data structure here. */
PriorityQueue<Integer> maxHeap,minHeap;
public MedianFinder() {
maxHeap=new PriorityQueue<>();
minHeap=new PriorityQueue<>();
}
public void addNum(int num) {
maxHeap.add(num);
minHeap.add(-maxHeap.poll()); //将maxheap堆的最小值的负数加入到minHeap堆中
if(maxHeap.size()<minHeap.size())
maxHeap.add(-minHeap.poll()); //将minheap堆的最小值的负数(即最大值)加入到maxHeap堆中
}
public double findMedian() {
return maxHeap.size()>minHeap.size() ? (double)maxHeap.peek() : ((double)(maxHeap.peek()-minHeap.peek())/2);
}
};