[剑指offer] 数据流中的中位数
题目描述
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。我们使用Insert()方法读取数据流，使用GetMedian()方法获取当前读取数据的中位数。
解题思路
我们可以将数据排序后分为两部分，左边部分的数据总是比右边的数据小。那么，我们就可以用最大堆和最小堆来装载这些数据：
- 最大堆装左边的数据，取出堆顶（最大的数）的时间复杂度是O(1)
- 最小堆装右边的数据，同样，取出堆顶（最小的数）的时间复杂度是O(1)
从数据流中拿到一个数后，先按顺序插入堆中：如果左边的最大堆是否为空或者该数小于等于最大堆顶的数，则把它插入最大堆，否则插入最小堆。然后，我们要保证左边的最大堆的size等于右边的最小堆的size或者最大堆的size比最小堆的size大1。 要获取中位数的话，直接判断最大堆和最小堆的size，如果相等，则分别取出两个堆的堆顶除以2得到中位数，不然，就是最大堆的size要比最小堆的size大，这时直接取出最大堆的堆顶就是我们要的中位数。
参考代码
import java.util.PriorityQueue;
import java.util.Comparator;
public class Solution {
// 最小堆（右）
private PriorityQueue<Integer> rHeap = new PriorityQueue<>();
// 最大堆（左）
private PriorityQueue<Integer> lHeap = new PriorityQueue<Integer>(15, new Comparator<Integer>() {
public int compare(Integer o1, Integer o2) {
return o2 - o1;
}
});
// 保证lHeap.size()>=rHeap.size()
public void Insert(Integer num) {
// 先按大小插入，再调整
if(lHeap.isEmpty() || num <= lHeap.peek())
lHeap.offer(num);
else
rHeap.offer(num);
if(lHeap.size() < rHeap.size()){
lHeap.offer(rHeap.peek());
rHeap.poll();
}else if(lHeap.size() - rHeap.size() == 2){
rHeap.offer(lHeap.peek());
lHeap.poll();
}
}
public Double GetMedian() {
if(lHeap.size() > rHeap.size())
return new Double(lHeap.peek());
else
return new Double(lHeap.peek() + rHeap.peek())/2;
}
}本文参与 腾讯云自媒体分享计划，分享自作者个人站点/博客。
如有侵权请联系 cloudcommunity@tencent.com 删除
评论
登录后参与评论
推荐阅读
目录