思路
因为堆只是保证了某一条路径的元素顺序是递减或递增的,而并没有保证按照数组索引的顺序是有序的,这也是堆和二叉搜索树的区别所在。
所以本题:用一个小顶堆A保存最大的m个数,用一个大顶堆B保存最小的n个数;
- 当m==n时,向B中插入一个数,并将B的堆顶元素插入到A中;
- 当m ≠ \neq =n时,向A中插入一个数,并将A的堆顶元素插入到B中;
这样保证了A.size()>=B.size()。当相等时,中位数就是A、B的栈顶元素相加除以2,不等时中位数就是A的栈顶元素。
class MedianFinder {
//构造小顶堆,用来保存最大的m个数
public PriorityQueue<Integer> heap_A = new PriorityQueue<>();
//构造大顶堆,用来保存最小的n个数
public PriorityQueue<Integer> heap_B = new PriorityQueue<>((i1,i2)->i2-i1);
public MedianFinder() {
}
public void addNum(int num) {
if(heap_A.size()==(heap_B.size())) {
heap_B.add(num);
heap_A.add(heap_B.poll());
}else {
heap_A.add(num);
heap_B.add(heap_A.poll());
}
}
public double findMedian() {
int size = heap_A.size()+heap_B.size();
return size%2==0? (double)(heap_A.peek()+heap_B.peek())/2 : heap_A.peek();
}
}
需要注意的是:当直接heap_A.peek()+heap_B.peek())/2
时,执行的是整除,所以需要强制转换成double型,但其实只要改成heap_A.peek()+heap_B.peek())/2.0
即可。
- 空间复杂度是O(N)
- 时间复杂度是:插入时:O(logN),查找中位数时:O(1)