美文网首页
【LeetCode 】: 295. 数据流的中位数

【LeetCode 】: 295. 数据流的中位数

作者: LpSir | 来源:发表于2020-03-08 23:07 被阅读0次

    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());
            }
        }
    
    }
    
    

    附加GitHub链接

    相关文章

      网友评论

          本文标题:【LeetCode 】: 295. 数据流的中位数

          本文链接:https://www.haomeiwen.com/subject/zuysdhtx.html