18.9 随机生成一些数字并传入某个方法。编写一个程序,每当收到新字符数字时,找出并记录中位数。
类似:设计一个数据结构,包括两个函数,插入数据和获得中位数
解法:
一种解法是使用两个优先级堆:一个大根堆,存放小于中位数的值,以及一个小根堆存放大于中位数的值。这会将所有元素大致分为两半,中间的两个元素位于两个堆的堆顶。这样一来,要找到中位数就是小事一桩。
不过,“大致分为两半”又是什么意思呢?“大致”的意思是,如果有奇数个值,其中一个堆就会多一个值。经观察可知,以下两点为真。
如果maxHeap.size()>minHeap.size(),则maxHeap.top为中位数。
如果maxHeap.size()==minHeap.size(),则maxHeap.top()和minHeap.top()的平均值为中位数。
当要重新平衡这两个堆时,我们会确保maxHeap一定会多一个元素。
//总是保证大根堆的元素大于等于小根堆的 void addNewNumber(int randomNumber) { //当大根堆的元素和小根堆的元素相等时 if(maxHeap.size()==minHeap.size()) { if((minHeap.peek()!=NULL&&randomNumber>minHeap.peek())//此时应该将元素插入小根堆,但是要保证大根堆的元素大于等于小根堆,所以将小根堆这最小的元素插入大根堆,然后将该元素插入小根堆 maxHeap.offer(minHeap.poll()); minHeap.offer(randomNumber); } else { maxHeap.offer(randomNumber); } } else //大根堆的元素大于小根堆,直接将元素插入小根堆 { if(randomNumber<maxHeap.peek()) { minHeap.offer(maxHeap.poll()); maxHeap.offer(randomNumber); } else { minHeap.offer(randomNumber); } } } double getMedian() { if(maxHeap.isEmpty()) { return 0; } if(maxHeap.size()==minHeap.size()) { return (double)(minHeap.peek()+maxHeap.peek())/2; } else return maxHeap.peek(); }