【Lintcode】81. Find Median from Data Stream

题目地址：

https://www.lintcode.com/problem/find-median-from-data-stream/description

给定一个数组，返回一个数组，每一位为给定数组的$[0,i]$区间的中位数。这里，一个数组的中位数定义是，首先数组排序好，如果数组长度为奇数，则中位数就是中间数；否则是中间偏左一位的数。

思路是，用对顶堆，一个最大堆保存较小的一半数，另一个最小堆保存较大的一半数。新来一个数时，先判断其属于较大的一半还是较小的一半，然后把它加进对应的堆中，接着就开始调整两个堆的大小，使得大顶堆永远比小顶堆的size相等或者大$1$。每次取中位数时只需取大顶堆堆顶即可。代码如下：

import java.util.PriorityQueue;

public class Solution {
    /**
     * @param nums: A list of integers
     * @return: the median of numbers
     */
    public int[] medianII(int[] nums) {
        // write your code here
        // 开两个堆，一个大顶堆一个小顶堆
        PriorityQueue<Integer> maxHeap = new PriorityQueue<>((i1, i2) -> i2 < i1 ? -1 : 1), minHeap = new PriorityQueue<>();
        int[] res = new int[nums.length];
        for (int i = 0; i < nums.length; i++) {
            res[i] = add(nums[i], maxHeap, minHeap);
        }
        
        return res;
    }
    // 作用是向对顶堆里加入数num，同时调整堆的size，并最后返回中位数
    private int add(int num, PriorityQueue<Integer> maxHeap, PriorityQueue<Integer> minHeap) {
    	// 如果大顶堆为空，则直接加进大顶堆，然后返回
        if (maxHeap.isEmpty()) {
            maxHeap.offer(num);
            return num;
        }
        // 接着判断num属于哪一半，加入对应的堆
        if (num <= maxHeap.peek()) {
            maxHeap.offer(num);
        } else {
            minHeap.offer(num);
        }
        // 接着调整两个堆的size
        if (maxHeap.size() < minHeap.size()) {
            maxHeap.offer(minHeap.poll());
        } else if (maxHeap.size() > minHeap.size() + 1) {
            minHeap.offer(maxHeap.poll());
        }
        // 返回中位数
        return maxHeap.peek();
    }
}

时间复杂度$O(n\log n)$，空间$O(n)$。