LeetCode----剑指offer----数据流中的中位数

最新推荐文章于 2022-07-08 12:16:43 发布

Double-V

最新推荐文章于 2022-07-08 12:16:43 发布

阅读量265

点赞数

分类专栏： LeetCode 文章标签： LeetCode 堆中位数

本文链接：https://blog.youkuaiyun.com/qq_39230153/article/details/121597597

版权

LeetCode 专栏收录该内容

23 篇文章

订阅专栏

该博客介绍了一种使用小顶堆和大顶堆来动态维护数据流中位数的方法。通过建立这两个堆，可以确保在任何时候都能快速找到当前所有元素的中位数。在给定的示例中，当新元素加入时，堆会自动调整以保持平衡，从而高效地提供中位数查询。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

题目：
[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 1：

输入：
[“MedianFinder”,“addNum”,“addNum”,“findMedian”,“addNum”,“findMedian”]
[[],[1],[2],[],[3],[]]
输出：[null,null,null,1.50000,null,2.00000]
示例 2：

输入：
[“MedianFinder”,“addNum”,“findMedian”,“addNum”,“findMedian”]
[[],[2],[],[3],[]]
输出：[null,null,2.00000,null,2.50000]

思路：
建立一个小顶堆 A （堆顶是最小值）和大顶堆 B （堆顶是最大值），各保存列表的一半元素，
随后，中位数可仅根据 A, B 的堆顶元素计算得到（堆自动排序）。

class MedianFinder {
    Queue<Integer> A, B;
    /** initialize your data structure here. */
    public MedianFinder(){
        A = new PriorityQueue<>(); // 小堆顶
        B = new PriorityQueue<>((x,y) -> (y - x)); // 大堆顶
    }
    
    public void addNum(int num) {
        if(A.size() != B.size()){
            A.add(num);
            B.add(A.poll());
        }else{
            B.add(num);
            A.add(B.poll());
        }
    }
    public double findMedian() {
            return A.size() != B.size() ? A.peek() : (A.peek() + B.peek()) / 2.0; 
    }
}

get！