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。
示例:
addNum(1)
addNum(2)
findMedian() -> 1.5
addNum(3)
findMedian() -> 2
【解题思路】刚开始使用ArrayList的数据结构来存储,通过了第一个测试样例,可是有一个测试样例,有亿条数据,超出时间限制,看了题解,应该用堆排序。
class MedianFinder {
ArrayList<Integer> arr = new ArrayList<Integer>();
int len;
public MedianFinder() {
len = 0;
}
public void addNum(int num) {
arr.add(num);
len++;
}
public double findMedian() {
arr.sort(Comparator.naturalOrder());
if(len % 2 == 0)
{
return (double)(arr.get(len/2-1)+arr.get(len/2))/2;
}
else
{
return arr.get(len/2);
}
}
}
/**
* Your MedianFinder object will be instantiated and called as such:
* MedianFinder obj = new MedianFinder();
* obj.addNum(num);
* double param_2 = obj.findMedian();
*/
class MedianFinder {
PriorityQueue<Integer> minQueue;
PriorityQueue<Integer> maxQueue;
public MedianFinder() {
minQueue = new PriorityQueue<Integer>((a,b)->b-a);
maxQueue = new PriorityQueue<Integer>((a,b)->a-b);
}
public void addNum(int num) {
if(minQueue.isEmpty() || num <= minQueue.peek()){
minQueue.offer(num);
if(minQueue.size() - maxQueue.size() > 1){
maxQueue.offer(minQueue.poll());
}
}
else{
maxQueue.offer(num);
if(maxQueue.size() > minQueue.size()){
minQueue.offer(maxQueue.poll());
}
}
}
public double findMedian() {
if(minQueue.size() > maxQueue.size())
{
return minQueue.peek();
}
else{
return (double)(minQueue.peek()+maxQueue.peek())/2;
}
}
}
/**
* Your MedianFinder object will be instantiated and called as such:
* MedianFinder obj = new MedianFinder();
* obj.addNum(num);
* double param_2 = obj.findMedian();
*/