【LeetCode】最小的k个数&&数据流中的中位数

41.最小的k个数

题目：

输入整数数组 arr ，找出其中最小的 k 个数。例如，输入4、5、1、6、2、7、3、8这8个数字，则最小的4个数字是1、2、3、4。

题解：

• 数组arr排序，取前k个值赋给返回数组res;

public int[] getLeastNumbers(int[] arr, int k) {
        int[] res = new int[k];
        Arrays.sort(arr);
        for (int i = 0; i < k; i++){
            res[i] = arr[i];
        }
        return res;
    }

42.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。

题解：优先队列/堆，清晰图解

• 刚开始使用list和数组排序，时间超出限制，后来采用大小顶堆

大顶堆和小顶堆

• 大小顶堆初始化
  • 使用PriorityQueue维持小顶堆，用来存储较大的元素，假设堆顶元素为a；
  • 使用PriorityQueue<>((x, y) -> (y - x))维持大顶堆，用来存储较小的元素，假设堆顶元素为b；
  • 按照大小堆的性质，a和b是所有元素排序后相邻的两个数字且a>=b；
  • 简单来讲，a是快班中的倒数第一，b是普通班中的第一名。
• addNum函数
  • 假如先向q1中add元素num，此时num可能并不属于全部元素中较大的一部分，因此先将其add至q2中，再将q2的堆顶元素add至q1，此时q2起到过滤的作用；
  • 假设此时已经向q1中add了一条数据，接下来应该向q2中add数据，同样的应该先将数据add至q1，再将q1的堆顶元素add至q2，此时q1起到过滤的左右；
  • 因此如果q1和q2的大小相同，则向q1中add，反之向q2中add；即q1.size() >= q2.size()。
• findMedian函数
• 如果q1.size() != q2.size()，则说明q1比q2多一个元素，则q1的堆顶元素是中间值；
• 如果q1.size() == q2.size()，则取二者的堆顶元素返回即可。
• 注意
  • 假设先向q2中add元素，获取中间值时若q1.size() != q2.size()，则应该返回q2的堆顶元素；
  • q1和q2变量全部互换对程序无影响。

class MedianFinder {
        PriorityQueue<Integer> q1,q2;
    /** initialize your data structure here. */
    public MedianFinder() {
        q1 = new PriorityQueue<>();
        q2 = new PriorityQueue<>((x, y) -> (y - x));
    }
    public void addNum(int num) {
        if (q1.size() == q2.size()){
            q2.add(num);
            q1.add(q2.poll());
        }else {
            q1.add(num);
            q2.add(q1.poll());
        }
    }
    public double findMedian() {
        return q1.size() != q2.size() ? q1.peek() : (q1.peek() + q2.peek())/2.0;
    }
}

---

别人对我的好，我非常珍视，总是希望双倍报答。别人对我的不好，我当做常态。