需要注意的是,使用两个堆,利用两个堆的堆顶解题。
思路如下:
将读入的数据分为几乎数量相同的两部分,一部分数字小,另一部分大。小的一部分采用大顶堆存放,大的一部分采用小顶堆存放。这样两个堆的堆顶就是整个数据流中,最中间的两个数。当总个数为偶数时,使两个堆的数目相同,则中位数=大顶堆的最大数字与小顶堆的最小数字的平均值;而总个数为奇数时,使小顶堆的个数比大顶堆多一,则中位数=小顶堆的最小数字。
插入的步骤如下:
1.若已读取的个数为偶数(包括0)时,两个堆的数目已经相同,再插入一个数时,应该选一个数插入到小顶堆中,从而实现小顶堆的个数多一。但是,不能直接插到小顶堆,本应该选择一个数加入到小顶堆中,但是必须选一个较大的数放入小顶堆,而插入的这个数不一定符合要求(大顶堆的数不服它),所以这个数要和大顶堆的最大数(先进大顶堆)打一群架,谁赢了(谁大)谁进小顶堆。
2。若已读取的个数为奇数时,小顶堆的个数多一,所以要将某个数字插入到大顶堆中,此时方法与上面类似。新进来的数要和小顶堆的堆顶(最小值)打一架,打输的(更小的那个数)进入大顶堆。
本方法的空间复杂度是O(1),空间复杂度是O(logn),相比于以上几个方法,可以说是最优选择。因此也是大家使用最多的解法。堆有多种方式实现,数组或者基于队列实现。这里使用PriorityQueue实现,PriorityQueue默认是一个小顶堆,因此我们需要自己实现大顶堆,这里传入自定义的Comparator函数可以实现大顶堆
import java.util.*;
public class Solution {
PriorityQueue<Integer> minHeap = new PriorityQueue<>();
PriorityQueue<Integer> maxHeap = new PriorityQueue<>(new Comparator<Integer>(){
public int compare(Integer i1,Integer i2){
return i2-i1;
}
});
int count = 0;
public void Insert(Integer num) {
if(count%2==0){
maxHeap.offer(num);
int max = maxHeap.poll();
minHeap.offer(max);
}else{
minHeap.offer(num);
int min = minHeap.poll();
maxHeap.offer(min);
}
count++;
}
public Double GetMedian() {
if(count%2==0){
return new Double(minHeap.peek()+maxHeap.peek())/2;
}else{
return ((double)minHeap.peek());
}
}
}