面试题41. 数据流中的中位数（Java）（优先队列，大小堆）

1 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。

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 1：

输入：
[“MedianFinder”,“addNum”,“addNum”,“findMedian”,“addNum”,“findMedian”]
[[],[1],[2],[],[3],[]]
输出：[null,null,null,1.50000,null,2.00000]
示例 2：

输入：
[“MedianFinder”,“addNum”,“findMedian”,“addNum”,“findMedian”]
[[],[2],[],[3],[]]
输出：[null,null,2.00000,null,2.50000]

限制：

最多会对 addNum、findMedia进行 50000 次调用。
注意：本题与主站 295 题相同：https://leetcode-cn.com/problems/find-median-from-data-stream/

来源：力扣（LeetCode）
链接：https://leetcode-cn.com/problems/shu-ju-liu-zhong-de-zhong-wei-shu-lcof
著作权归领扣网络所有。商业转载请联系官方授权，非商业转载请注明出处。

2 Java

2.1 方法一（优先队列，大小堆）

元素入优先队列（小顶堆）的操作时间复杂度是O(logn)级别

class MedianFinder {

    int count;                         // 目前已记录的总数
    PriorityQueue<Integer> maxHeap;    // 大顶堆
    PriorityQueue<Integer> minHeap;    // 小顶堆

    /** initialize your data structure here. */
    public MedianFinder() {
        count = 0;
        //maxHeap = new PriorityQueue<>((x, y) -> {return y - x;});
        maxHeap = new PriorityQueue<>((x, y) -> y - x);             // Lambda
        minHeap = new PriorityQueue<>();
    }
    
    public void addNum(int num) {
        // 新加入元素，需要先进大顶堆，再进小顶堆；
        // 避免出现输入1,2,10,11，结果两边是1,10和2,11，显然不对
        count++;
        maxHeap.add(num);
        minHeap.add(maxHeap.poll());

        // 奇数个元素时，将多出来的从小顶堆拿回大顶堆
        if(count % 2 == 1)  maxHeap.add(minHeap.poll());
    }
    
    public double findMedian() {
        // 偶数个元素，大顶堆和小顶堆各自对顶元素的平均；奇数个元素，就是大顶堆堆顶
        return count % 2 == 1 ? maxHeap.peek() : (maxHeap.peek() + minHeap.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();
 */