题目
中位数是有序列表中间的数。如果列表长度是偶数,中位数则是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。
示例:
addNum(1)
addNum(2)
findMedian() -> 1.5
addNum(3)
findMedian() -> 2
进阶:
- 如果数据流中所有整数都在 0 到 100 范围内,你将如何优化你的算法?
- 如果数据流中 99% 的整数都在 0 到 100 范围内,你将如何优化你的算法?
题解
使用优先队列 PriorityQueue。
class MedianFinder {
/** initialize your data structure here. */
PriorityQueue<Integer> queMin;
PriorityQueue<Integer> queMax;
public MedianFinder() {
queMin = new PriorityQueue<>((a, b) -> (b - a)); // 优先队列,从大到小
queMax = new PriorityQueue<>((a, b) -> (a - b));
}
public void addNum(int num) {
if(queMin.isEmpty() || num <= queMin.peek()){
queMin.offer(num);
if(queMax.size() + 1 < queMin.size()){
queMax.offer(queMin.poll());
}
}else{
queMax.offer(num);
if(queMax.size() > queMin.size()){
queMin.offer(queMax.poll());
}
}
}
public double findMedian() {
if(queMin.size() > queMax.size()){
return queMin.peek();
}
return (queMin.peek() + queMax.peek()) / 2.0;
}
}
/**
* Your MedianFinder object will be instantiated and called as such:
* MedianFinder obj = new MedianFinder();
* obj.addNum(num);
* double param_2 = obj.findMedian();
*/