剑指offer-64-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。我们使用Insert()方法读取数据流，使用GetMedian()方法获取当前读取数据的中位数。

思路

题目难点在与数据流是动态的，可以设置一个全局变量count时刻记录数据流中的数据个数，
使用java中的PriorityQueue，优先队列
使用小顶堆存大数据，使用大顶堆存小数据。这样堆顶一取出就是中位数了
举例子：
1、
需要求的是中位数，如果我将 1 2 3 4 5 6 7 8定为最终的数据流
此时的中位数是4+5求均值。为什么是4，为什么是5
利用队列我们就可以看得很清楚，4是前半部分最大的值，肯定是维系在大顶堆
而5是后半部分的最小值，肯定是维系在小顶堆。
问题就好理解了：
使用小顶堆存大数据，使用大顶堆存小数据。这样堆顶一取出就是中位数了。

2、奇数时刻大顶堆存值，所以遇到奇数时刻，大顶堆直接弹出就是中位数

加入传入的数据为：[5,2,3,4,1,6,7,0,8],那么按照要求，输出是"5.00 3.50 3.00 3.50 3.00 3.50 4.00 3.50 4.00 "

那么整个程序的执行流程应该是（用min表示小顶堆，max表示大顶堆）：

5先进入大顶堆，然后将大顶堆中最大值放入小顶堆中，此时min=[5],max=[无]，avg=[5.00]
2先进入小顶堆，然后将小顶堆中最小值放入大顶堆中，此时min=[5],max=[2],avg=[(5+2)/2]=[3.50]
3先进入大顶堆，然后将大顶堆中最大值放入小顶堆中，此时min=[3,5],max=[2],avg=[3.00]
4先进入小顶堆，然后将小顶堆中最小值放入大顶堆中，此时min=[4,5],max=[3,2],avg=[(4+3)/2]=[3.50]
1先进入大顶堆，然后将大顶堆中最大值放入小顶堆中，此时min=[3,4,5],max=[2,1]，avg=[3/00]
6先进入小顶堆，然后将小顶堆中最小值放入大顶堆中，此时min=[4,5,6],max=[3,2,1],avg=[(4+3)/2]=[3.50]
7先进入大顶堆，然后将大顶堆中最大值放入小顶堆中，此时min=[4,5,6,7],max=[3,2,1],avg=[4]=[4.00]
0先进入小顶堆，然后将小顶堆中最大值放入小顶堆中，此时min=[4,5,6,7],max=[3,2,1,0],avg=[(4+3)/2]=[3.50]
8先进入大顶堆，然后将大顶堆中最小值放入大顶堆中，此时min=[4,5,6,7,8],max=[3,2,1,0],avg=[4.00]

代码

/**
1、使用小顶堆存大数据，使用大顶堆存小数据。这样堆顶一取出就是中位数了。
2、奇数时刻大顶堆存值，所以遇到奇数时刻，大顶堆直接弹出就是中位数
**/
import java.util.Comparator;
import java.util.PriorityQueue;
public class Solution {
    int count = 0;
    private PriorityQueue<Integer> hight = new PriorityQueue<>();
    private PriorityQueue<Integer> low = new PriorityQueue<>(new Comparator<Integer>() {
        @Override
        public int compare(Integer o1, Integer o2) {
            return o2.compareTo(o1);
        }
    });//传入比较器构造小顶堆

    public void Insert(Integer num) {
        count++;
        if(count%2!=0){//奇数,奇数时刻大顶堆存值，所以遇到奇数时刻，大顶堆直接弹出就是中位数
            //但要比较num和小顶堆的最小值,保持小顶堆的值大于大顶堆
            if(low.size()!=0&&low.peek()>num){
                //先存进去
                low.offer(num);
                num = low.poll();//移除并获取堆顶的最小值
            }
            hight.offer(num);
        }else {//偶数存小顶堆
            //比较num和大顶堆的最大值，保持大顶堆值小于小顶堆
            if(hight.size()!=0&&hight.peek()<num){
                //先存进去
                hight.offer(num);
                num = hight.poll();//移除并获取大定堆最大值
            }
            low.offer(num);

        }

    }

    public Double GetMedian() {
        double result = 0;
        if (count%2!=0){
            result = hight.peek();
        }else {
            result = (hight.peek()+low.peek())/2.0;
        }
        return result;
    }


}