剑指 Offer 41. 数据流中的中位数
题目:
如何得到一个数据流中的中位数?如果从数据流中读出奇数个数值,那么中位数就是所有数值排序之后位于中间的数值。如果从数据流中读出偶数个数值,那么中位数就是所有数值排序之后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1:
输入:
[“MedianFinder”,“addNum”,“addNum”,“findMedian”,“addNum”,“findMedian”]
[[],[1],[2],[],[3],[]]
输出:[null,null,null,1.50000,null,2.00000]
示例2:
输入:
[“MedianFinder”,“addNum”,“findMedian”,“addNum”,“findMedian”]
[[],[2],[],[3],[]]
输出:[null,null,2.00000,null,2.50000]
解题思路:
建立一个 小顶堆 A 和 大顶堆 B ,各保存列表的一半元素,中位数可仅根据 A,B 的堆顶元素计算得到。
addNum(num) 函数:
1.当A.size() == B.size():需向 A 添加一个元素。实现方法:将新元素 num插入至 B ,再将 B 堆顶元素插入至 A ;
2.当 A.size() != B.size():需向 B 添加一个元素。实现方法:将新元素 num 插入至 A ,再将 A 堆顶元素插入至 B ;
findMedian() 函数:
1.当 A.size() == B.size():则中位数为 (( AA 的堆顶元素 + BB 的堆顶元素 )/2)/2。
2.当 A.size() != B.size():则中位数为 A 的堆顶元素。
代码如下:
/**
* 执行结果:通过
* 执行用时:66 ms, 在所有 Java 提交中击败了84.43%的用户
* 内存消耗:49.7 MB, 在所有 Java 提交中击败了27.98%的用户
* 通过测试用例:18 / 18
*/
class MedianFinder {
/** initialize your data structure here. */
Queue<Integer> A, B;
public MedianFinder() {
A = new PriorityQueue<>();
B = new PriorityQueue<>((x, y) -> (y - x));
}
public void addNum(int num) {
if(A.size() != B.size()) {
A.add(num);
B.add(A.poll());
} else {
B.add(num);
A.add(B.poll());
}
}
public double findMedian() {
return A.size() != B.size() ? A.peek() : (A.peek() + B.peek()) / 2.0;
}
}
/**
* Your MedianFinder object will be instantiated and called as such:
* MedianFinder obj = new MedianFinder();
* obj.addNum(num);
* double param_2 = obj.findMedian();
*/