剑指 Offer 41. 数据流中的中位数

最新推荐文章于 2024-10-06 20:16:20 发布

久遇见

最新推荐文章于 2024-10-06 20:16:20 发布

阅读量69

点赞数

文章标签： java leetcode

本文链接：https://blog.csdn.net/qq_46316607/article/details/121158281

版权

该博客讨论了如何设计一个数据结构，用于在数据流中实时计算中位数。通过使用大顶堆和小顶堆，确保堆的平衡，实现添加元素的同时保持中位数的准确性。当元素数量为奇数时，中位数为小顶堆顶元素；为偶数时，为两堆顶元素的平均值。文章还提供了具体的Java实现代码作为示例。

摘要由CSDN通过智能技术生成

剑指 Offer 41. 数据流中的中位数

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。

输入：
["MedianFinder","addNum","addNum","findMedian","addNum","findMedian"]
[[],[1],[2],[],[3],[]]
输出：[null,null,null,1.50000,null,2.00000]


输入：
["MedianFinder","addNum","findMedian","addNum","findMedian"]
[[],[2],[],[3],[]]
输出：[null,null,2.00000,null,2.50000]

思路：分别使用一个大顶堆和小顶堆，每次添加元素时先加入大顶堆，如果此时小顶堆为空或者元素个数小于大顶堆，我们就将大顶堆的堆顶元素加入小顶堆，如果小顶堆元素超过大顶堆元素两个，我们就将小顶堆的堆顶元素加入大顶堆。可能有些抽象，举个例子，大小顶堆分别对应差生班和优等生班，每个学生入学先进入差生班，每次将差等生的第一名升到优等生班，如果优等生过多，将最差的降入差生班。最后取中位数时，如果大小顶堆元素个数相等，就返回各自顶堆相加的平均值，否则则返回小顶堆的堆顶元素。（大顶堆元素不可能多于小顶堆）

class MedianFinder {

    /** initialize your data structure here. */

    Queue<Integer> minheap =new PriorityQueue<Integer>();//默认为最小堆
    Queue<Integer> maxheap =new PriorityQueue<Integer>((n1, n2) -> n2-n1);//创建最大堆
    public MedianFinder() {

    }
    
    public void addNum(int num) {
        // 每次先入大顶堆
        maxheap.offer(num);
        // 满足条件 就 升入 小顶堆
        if(minheap.isEmpty() || minheap.size() <= maxheap.size())
            minheap.offer(maxheap.poll());
        // 平衡打破的话 小顶堆的元素下放到大顶堆
        if(minheap.size() > maxheap.size()+1)
            maxheap.offer(minheap.poll());
    }
    
    public double findMedian() {
    	// 根据双方元素个数进行有选择的返回
        if(minheap.size() == maxheap.size())
            return (float) (minheap.peek() + maxheap.peek()) / 2;
        else
            return (float) minheap.peek();
    }
}

/**
 * Your MedianFinder object will be instantiated and called as such:
 * MedianFinder obj = new MedianFinder();
 * obj.addNum(num);
 * double param_2 = obj.findMedian();
 */