剑指offer -- 数据流中的中位数-优快云博客

本文介绍了一种高效计算数据流中位数的方法，通过维护两个堆：最小堆和最大堆，实现动态平衡，以便在读取数据流时即时获取中位数。代码示例使用了Java的PriorityQueue。

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。我们使用Insert()方法读取数据流，使用GetMedian()方法获取当前读取数据的中位数。

AC代码

import java.util.PriorityQueue;
import java.util.Comparator;

public class Solution {
    private PriorityQueue<Integer> minHeap = new PriorityQueue<>(); //优先级队列默认是最小堆
    private PriorityQueue<Integer> maxHeap = new PriorityQueue<>(6, new Comparator<Integer>(){
        @Override
    public int compare(Integer o1, Integer o2) {
        return o2 - o1;
    }
    });
    private int count = 0;
    
    public void Insert(Integer num) {
        if((count & 1) == 0){
            if(!maxHeap.isEmpty() && num < maxHeap.peek()){
                maxHeap.offer(num);
                num = maxHeap.poll();
            }
            minHeap.offer(num);
        }
        else{
            if(num > minHeap.peek()){
                minHeap.offer(num);
                num = minHeap.poll();
            }
            maxHeap.offer(num);
        }
        count++;
    }

    public Double GetMedian() {
        if((count & 1) == 1) return minHeap.peek() * 1.0;
        return (maxHeap.peek() + minHeap.peek()) / 2.0;
    }


}