【剑指Offer系列】41-数据流中的中位数（大小顶堆结合）

中位数简介

• 找出这组数据：23、29、20、32、23、21、33、25 的中位数。
  首先将该组数据进行排列（这里按从小到大的顺序），得到：
  20、21、23、23、25、29、32、33
  因为该组数据一共由8个数据组成，即n为偶数，故按中位数的计算方法，得到中位数，即第四个数和第五个数的平均数。
  midval = （23+25）/2 = 24

• 找出这组数据：10、30、 20、 20、 20的中位数。
  首先将该组数据进行排列10、 20、 20、 20、 30
  因为该组数据一共由5个数据组成，即n为奇数，故按中位数的计算方法，得到中位数为20，即第3个数。

具体实现：

1.创建大顶堆(这里使用优先队列等效成大顶堆)queue2,和小顶堆queue1。（大顶堆弹出元素，先弹出大的值；小顶堆弹出元素，首先弹出值小的元素）

class MedianFinder {
    private Queue<Integer> smallQ, bigQ;

    public MedianFinder() {
        smallQ = new PriorityQueue<>(); // 小顶堆，保存较大的一半
        bigQ = new PriorityQueue<>((x, y) -> (y - x)); // 大顶堆，保存较小的一半
    }

    public void addNum(int num) {
    	// 奇数个数
        if (((bigQ.size() + smallQ.size()) & 1) == 1) {
            smallQ.add(num);
        } else {
            bigQ.add(num);
        }
        // 大顶堆的头(左侧较小的数中最大值) > 小顶堆的头（右侧较大的数中最小的值）
        // 则需要调换顺序
        if (bigQ.size() > 0 && smallQ.size() > 0 && bigQ.peek() > smallQ.peek()) {
            Integer big = bigQ.poll();
            Integer small = smallQ.poll();
            smallQ.add(big);
            bigQ.add(small);
        }
    }

    public double findMedian() {
        return ((bigQ.size() + smallQ.size()) & 1) == 1 ? bigQ.peek() : (bigQ.peek() + smallQ.peek()) / 2.0;
    }
}

测试

    public static void main(String[] args) {
        MedianFinder finder = new MedianFinder();
        List<Integer> list = Lists.newArrayList(10,30,40,20,50);
        for (Integer item : list) {
            finder.addNum(item);
            double median = finder.findMedian();
            System.out.println(median);
        }
    }