剑指-数据流中的中位数-优先队列/大小堆

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。

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。

思路

1.存列表排序，带个插入，带个查找。
2.大小堆-优先队列。偶数，大小堆一人放一半，奇数，两堆之一多一个。
重点：

PriorityQueue<>((x, y) -> (y - x)) // 可以实现大根堆，原默认为小根堆。

上述代码还可以用 Comparator，即比较器自定义排序。需多实现一个compare方法。

PriorityQueue<Integer> maxHeap = new PriorityQueue<Integer>(new Comparator<Integer>() {
    
    
			@Override
			public int compare(Integer o1, Integer o2) {
    
    
				/**以下是对比较器升序、降序的理解.
				 *(1) 写成return o1.compareTo(o2) 或者 return o1-o2表示升序
				 *(2) 写成return o2.compareTo(o1) 或者return o2-o1表示降序
				 */
				return o2.compareTo(o1);
			}
		}) ;

队列里操作方法是add和poll。

代码

import java.util.*;
public class Solution {
    
    
    Queue<Integer> max = new PriorityQueue<>();    //小堆
    Queue<Integer> min = new PriorityQueue<>((x,y)->(y-x));    //大堆
    //大小堆里插入
    public void Insert(Integer num) {
    
    
        if(max.size() != min.size()) {
    
    
            max.add(num);
            min.add(max.poll());
        } else {
    
    
            min.add(num);
            max.add(min.poll());
        }
    }
    //获取中位数
    public Double GetMedian() {
    
    
        double res = max.size() != min.size() ? max.peek() : (max.peek() + min.peek()) / 2.0;
        return res;
    }
}