题目
现有一些随机生成的数字要将其依次传入,请设计一个高效算法,对于每次传入一个数字后,算出当前所有传入数字的中位数。(若传入了偶数个数字则令中位数为第n/2小的数字,n为已传入数字个数)。
给定一个int数组A,为传入的数字序列,同时给定序列大小n,请返回一个int数组,代表每次传入后的中位数。保证n小于等于1000。
测试样例:
[1,2,3,4,5,6],6
返回:[1,1,2,2,3,3]
思路
中位数的概念:
中位数(又称中值,英语:Median),统计学中的专有名词,代表一个样本、种群或概率分布中的一个数值,其可将数值集合划分为相等的上下两部分。对于有限的数集,可以通过把所有观察值高低排序后找出正中间的一个作为中位数。如果观察值有偶数个,通常取最中间的两个数值的平均数作为中位数。
解题思路:
- 通过最大堆、最小堆来实现实时中位数的获取。
- 最大堆中存放比最小堆小的元素。
- 如果最大堆的对头元素大于最小堆,则进行交换。
- 偶数下标的元素存入最小堆,奇数下标的元素存入最大堆。
实现代码
public class Middle {
public int[] getMiddle(int[] A, int n) {
// write code here
int[] res = new int[A.length];
// 构造最大堆
Comparator<Integer> comparator = new Comparator<Integer>() {
@Override
public int compare(Integer o1, Integer o2) {
return o2 - o1;
}
};
PriorityQueue<Integer> maxHeap = new PriorityQueue<Integer>(n, comparator);
// 构造最小堆
PriorityQueue<Integer> minHeap = new PriorityQueue<Integer>(n);
for (int i = 0; i < n; i++) {
if (i % 2 == 0) {
// 存入最小堆前判断当前元素是否小于最大堆的堆顶元素
if (!maxHeap.isEmpty() && A[i] < maxHeap.peek()) {
minHeap.offer(maxHeap.poll());
maxHeap.offer(A[i]);
} else {
minHeap.offer(A[i]);
}
res[i] = minHeap.peek();
} else {
// 存入最大堆之前判断当前元素是否大于最小堆的堆顶元素
if (!minHeap.isEmpty() && A[i] > minHeap.peek()) {
maxHeap.offer(minHeap.poll());
minHeap.offer(A[i]);
} else {
maxHeap.offer(A[i]);
}
res[i] = maxHeap.peek();
}
}
return res;
}
}