295. 数据流的中位数-CSDN博客

本文链接：https://blog.csdn.net/qq_74351687/article/details/131318140

该文章介绍了一个实现中位数查找的数据结构MedianFinder。它使用两个优先队列，一个小顶堆和一个大顶堆，来存储和更新数据。当添加新元素时，根据堆的平衡情况决定添加到哪个堆，然后调整保持堆的性质。findMedian方法根据堆的大小关系返回中位数。该方法适用于处理数据流中的中位数查询。

摘要由CSDN通过智能技术生成

中位数是有序整数列表中的中间值。如果列表的大小是偶数，则没有中间值，中位数是两个中间值的平均值。

例如 arr = [2,3,4] 的中位数是 3 。
例如 arr = [2,3] 的中位数是 (2 + 3) / 2 = 2.5 。

实现 MedianFinder 类:

MedianFinder() 初始化 MedianFinder 对象。
void addNum(int num) 将数据流中的整数 num 添加到数据结构中。
double findMedian() 返回到目前为止所有元素的中位数。与实际答案相差 10-5 以内的答案将被接受。

示例 1：

输入
["MedianFinder", "addNum", "addNum", "findMedian", "addNum", "findMedian"]
[[], [1], [2], [], [3], []]
输出
[null, null, null, 1.5, null, 2.0]

解释
MedianFinder medianFinder = new MedianFinder();
medianFinder.addNum(1);    // arr = [1]
medianFinder.addNum(2);    // arr = [1, 2]
medianFinder.findMedian(); // 返回 1.5 ((1 + 2) / 2)
medianFinder.addNum(3);    // arr[1, 2, 3]
medianFinder.findMedian(); // return 2.0

提示:

-105 <= num <= 105
在调用 findMedian 之前，数据结构中至少有一个元素
最多 5 * 104 次调用 addNum 和 findMedian

代码展示：

class MedianFinder {
    PriorityQueue<Integer> pq1;
    PriorityQueue<Integer> pq2;

    public MedianFinder() {
        //创建小顶堆
        pq1 = new PriorityQueue<>();
        //创建大顶堆
        pq2 = new PriorityQueue<>((a, b) -> b - a);
    }
    
    public void addNum(int num) {
            //相等添加在左边
        if(pq1.size() == pq2.size()){
            pq2.offer(num);
            pq1.offer(pq2.poll());
        }else{
            //不相等添加在右边
            pq1.offer(num);
            pq2.offer(pq1.poll());
        }
        //添加数据时记得，先添加到另一边，在弹出来添加到本堆中

    }
    
    public double findMedian() {
        //相等说明一边一半，中位数为两个堆顶元素相加除2
        if(pq1.size() == pq2.size()){
            return (pq1.peek() + pq2.peek()) / 2.0;
        }else{
            //不等说明中位数为pq1的堆顶元素
            return pq1.peek();
        }

    }
}

这道题只要掌握了大顶堆和小顶堆的基本用法，就可以会个大概了，后面只要注意如何去添加数据，和如何取出数据中的元素就可以解决这道题目了。