0堆困难 LeetCode295. 数据流的中位数

最新推荐文章于 2024-01-20 13:35:37 发布

18阿鲁

最新推荐文章于 2024-01-20 13:35:37 发布

阅读量96

点赞数

文章标签： leetcode

本文链接：https://blog.csdn.net/weixin_43260719/article/details/124078141

版权

本文介绍如何使用堆数据结构设计一个高效的数据结构MedianFinder，用于实现实时添加整数并快速查找中位数。通过维护大小顶堆和最小堆，可以在O(logn)时间内完成添加和查询操作。适用于大数据流场景，避免了排序带来的时间复杂度提升。

摘要由CSDN通过智能技术生成

295. 数据流的中位数

描述

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：

分析

分别建立大小顶堆，各占元素总数的一半，可通过两个堆的顶点求数据流的中位数。
若采取每次添加一个数然后再排序会超时，而堆不会（不懂为什么）。

class MedianFinder {
    PriorityQueue<Integer> maxHeap ;
    PriorityQueue<Integer> minHeap ;
    double mid;
    public MedianFinder() {
        maxHeap = new PriorityQueue<>((a,b)->(b-a));
        minHeap = new PriorityQueue<>();
        mid = 0;
    }
    
    public void addNum(int num) {
       if(maxHeap.size() == minHeap.size()){
           maxHeap.offer(num);
           minHeap.offer(maxHeap.poll());
           mid = minHeap.peek();
       }else{
           minHeap.offer(num);
           maxHeap.offer(minHeap.poll());
           mid = (maxHeap.peek() + minHeap.peek()) / 2.0;
       }
    }
    
    public double findMedian() {
        return mid;
    }
}

/**
 * Your MedianFinder object will be instantiated and called as such:
 * MedianFinder obj = new MedianFinder();
 * obj.addNum(num);
 * double param_2 = obj.findMedian();
 */