LeetCode-295。データストリームから中央値を探します

中央値は、順序付けられた整数リストの中央値です。リストのサイズが偶数の場合は、中間の値ではありません。だから、中央値は、2つの中間値の平均値です。

例えば、

[2,3,4]、中央値は、 3

[2,3]、中央値は、 (2 + 3) / 2 = 2.5

以下の2つの操作をサポートするデータ構造を設計します。

• addNum（int型のnumは）無効 - データ構造へのデータストリームから整数値を追加します。
• ダブルfindMedian（） - これまでのすべての要素の中央値を返します。

例：

addNum（1）
addNum（2）
findMedian（） - > 1.5 
addNum（3）
findMedian（） - > 2

ファローアップ：

1. ストリームからのすべての整数値が0と100の間であれば、どのようにそれを最適化するのでしょうか？
2. ストリームからのすべての整数の99％が0と100の間であれば、どのようにそれを最適化するのでしょうか？

クラスMedianFinder { 

    int型数えます。
    優先度つきキュー <整数> のminheap。
    優先度つきキュー <整数> maxHeap。
    / ** ここにあなたのデータ構造を初期化します。* / 
    パブリックMedianFinder（）{ 
        カウント = 0 ; 
        minheap = 新しい優先度つきキュー<> （）; 
        maxHeap = 新しい優先度つきキュー<>（新しいコンパレータ<整数> （）{
             公共 のint （整数O1、O2整数）を比較{
                 戻り O 2  O1と、
            }
        }）; 
    } 
    
    公共 ボイド addNum（int型NUM）{
         もし、（（カウント＆1）== 0 ）{ 
            maxHeap.offer（NUM）。
            INT、N = maxHeap.poll（）。
            minHeap.offer（N）
        } 
        他{ 
            minHeap.offer（NUM）。
            INT、N = minHeap.poll（）。
            maxHeap.offer（N）
        } 
        カウント ++ ; 
    } 
    
    公共 ダブルfindMedian（）{
         場合（== 0をカウント）{
             戻り 0.0; 
        } 
        もし、（（カウント＆1）== 0 ）{
             リターン（minHeap.peek（）+ maxHeap.peek（））/ 2.0 。
        } 
        他{
             戻り minHeap.peek（）* 1.0 。
        } 
    } 
}