53. 最大子序和
问题描述:
中位数是有序列表中间的数。如果列表长度是偶数,中位数则是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。
[题目链接](https://leetcode-cn.com/problems/find-median-from-data-stream/
示例1
addNum(1)
addNum(2)
findMedian() -> 1.5
addNum(3)
findMedian() -> 2
思路:
本题最重要的部分就是我们要把数据均匀的分成两部分,前一部分的所有数据都小于后一部分。这样我们就可以在时间复杂度O(1)
内找到数组的中位数。本题考虑用最大堆和最小堆达到这个目的。为了保证数据均匀分成两部分,两个堆中的数目之差不能超过1。所以我们在数据总数目是偶数时把新数据插入最小堆,否则插入最大堆。
除此之外,还要保证最大堆中的所有数据都要小于最小堆中的数据。当数据插入最小堆时,先将其插入最大堆,然后把最大堆的最大值拿出来,插入最小堆中,这样就可以保证最小堆中所有数字都大于最大堆中的。而且数据分布均匀。代码如下:
完整代码:
public class MedianFinder {
// count为奇数时进入小顶堆,为偶数时进入大顶堆
private int count = 0;
private PriorityQueue<Integer> minHeap;
private PriorityQueue<Integer> maxHeap;
public MedianFinder() {
minHeap = new PriorityQueue<>();
maxHeap = new PriorityQueue<>((a,b) -> {return b-a;});
}
public void addNum(int num) {
if (count % 2 == 0) {
maxHeap.offer(num);
int tmp = maxHeap.poll();
minHeap.offer(tmp);
}else {
minHeap.offer(num);
int tmp = minHeap.poll();
maxHeap.offer(tmp);
}
count++;
}
public double findMedian() {
if(count %2 == 0){
return new Double((minHeap.peek() + maxHeap.peek())) / 2;
}else{
return new Double(minHeap.peek());
}
}
}
网友评论