LeetCode——1825. 求出 MK 平均值(Finding MK Average)[困难]——分析及代码（Java）

最新推荐文章于 2023-01-18 10:41:25 发布

江南土豆

最新推荐文章于 2023-01-18 10:41:25 发布

阅读量444

点赞数

分类专栏：数据结构与算法文章标签： LeetCode Java 题解

本文链接：https://blog.csdn.net/zml66666/article/details/115680476

版权

博客介绍了LeetCode中1825题——MK平均值的计算方法。通过建立堆和哈希表，处理数据流中的元素，当元素数量达到m时，删除最小和最大的k个数，计算剩余元素的平均值。文章详细解析了解题思路，并提供了Java实现代码，执行时间为1960ms。

摘要由CSDN通过智能技术生成

LeetCode——1825. 求出 MK 平均值[Finding MK Average][困难]——分析及代码[Java]

一、题目
二、分析及代码
- 1. 堆 + 哈希表
三、其他

一、题目

给你两个整数 m 和 k ，以及数据流形式的若干整数。你需要实现一个数据结构，计算这个数据流的 MK 平均值。

MK 平均值按照如下步骤计算：

如果数据流中的整数少于 m 个，MK 平均值为 -1 ，否则将数据流中最后 m 个元素拷贝到一个独立的容器中。
从这个容器中删除最小的 k 个数和最大的 k 个数。
计算剩余元素的平均值，并向下取整到最近的整数。

请你实现 MKAverage 类：

MKAverage(int m, int k) 用一个空的数据流和两个整数 m 和 k 初始化 MKAverage 对象。
void addElement(int num) 往数据流中插入一个新的元素 num 。
int calculateMKAverage() 对当前的数据流计算并返回 MK 平均数，结果需向下取整到最近的整数。

示例 1：

输入：
["MKAverage", "addElement", "addElement", "calculateMKAverage", "addElement", "calculateMKAverage", "addElement", "addElement", "addElement", "calculateMKAverage"]
[[3, 1], [3], [1], [], [10], [], [5], [5], [5], []]
输出：
[null, null, null, -1, null, 3, null, null, null, 5]

解释：
MKAverage obj = new MKAverage(3, 1); 
obj.addElement(3);        // 当前元素为 [3]
obj.addElement(1);        // 当前元素为 [3,1]
obj.calculateMKAverage(); // 返回 -1 ，因为 m = 3 ，但数据流中只有 2 个元素
obj.addElement(10);       // 当前元素为 [3,1,10]
obj.calculateMKAverage(); // 最后 3 个元素为 [3,1,10]
                          // 删除最小以及最大的 1 个元素后，容器为 [3]
                          // [3] 的平均值等于 3/1 = 3 ，故返回 3
obj.addElement(5);        // 当前元素为 [3,1,10,5]
obj.addElement(5);        // 当前元素为 [3,1,10,5,5]
obj.addElement(5);        // 当前元素为 [3,1,10,5,5,5]
obj.calculateMKAverage(); // 最后 3 个元素为 [5,5,5]
                          // 删除最小以及最大的 1 个元素后，容器为 [5]
                          // [5] 的平均值等于 5/1 = 5 ，故返回 5

提示：

3 <= m <= 10^5
1 <= k*2 < m
1 <= num <= 10^5
addElement 与 calculateMKAverage 总操作次数不超过 10^5 次。

来源：力扣（LeetCode）
链接：https://leetcode-cn.com/problems/finding-mk-average
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。

二、分析及代码

1. 堆 + 哈希表

（1）思路

设计 4 个堆（优先队列），其中 2 个最小堆记录数据流最后 m 个元素中最大的k个数、除最小的k个数之外的数，2 个最大堆记录最小的k个数、除最大的k个数之外的数。
设计 2 个哈希表，分别记录最大、最小的 k 个数中的数字及个数。
设计 1 个队列，按顺序记录数据流中的后 m 个元素，用于快速获取 m 个之前的元素。

（2）代码

class MKAverage {
   
    int m, k, n;
    Queue<Integer> que = new LinkedList<>();//数据流中的最后m个元素
    PriorityQueue<Integer> minHeap, minHeapNums;//最大的k个数、除最小的k个数之外的数
    PriorityQueue<Integer> maxHeap, maxHeapNums;//最小的k个数、除最大的k个数之外的数
    Map<Integer, Integer> maxNums = new HashMap<>();//最大的k个数
    Map<Integer, Integer> minNums = new HashMap<>();//最小的k个数
    long sum = 0L;//中间数据的和
    int index = 0;//数据总个数
    int minN = 0, maxN = 0;//当前最小、最大的数个数

    public MKAverage(int m, int k) {