数据流中的中位数

最新推荐文章于 2022-07-15 01:14:13 发布

原创最新推荐文章于 2022-07-15 01:14:13 发布 · 1.3k 阅读

1 ·

CC 4.0 BY-SA版权

文章标签：

#堆-数据流

经典算法面试题专栏收录该内容

51 篇文章

订阅专栏

本文介绍了一种利用大顶堆和小顶堆实时计算数据流中位数的方法。通过不断调整两个堆之间的元素数量，确保能快速准确地获取到当前数据流的中位数。

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。

思路：借助于大顶堆和小顶堆来模拟数据流的动态过程。

package alex.jzoffer;

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

public class GetMedian {
    PriorityQueue<Integer> minHeap = new PriorityQueue<Integer>(); //小顶堆
    //大顶堆
    PriorityQueue<Integer> maxHeap = new PriorityQueue<>(30, new Comparator<Integer>() {
        @Override
        public int compare(Integer o1, Integer o2) {
            return o2 - o1;
        }
    });
    int count = 0;
    public void Insert(Integer num) {
        //当数据总数为偶数时，新加入的元素，应当进入小根堆（注意不是直接进入小根堆，而是经大根堆筛选后取大根堆中最大元素进入小根堆）
        if(count % 2 ==0){
            maxHeap.offer(num);
            int maxNumOfMaxH = maxHeap.poll();
            minHeap.offer(maxNumOfMaxH);
        }
        //当数据总数为奇数时，新加入的元素，应当进入大根堆（注意不是直接进入大根堆，而是经小根堆筛选后取小根堆中最小元素进入大根堆）
        else{
            minHeap.offer(num);
            int minNumOfMinH = minHeap.poll();
            maxHeap.offer(minNumOfMinH);
        }
        count++;
    }

    public Double GetMedian() {
        if(count % 2 ==0){
            return new Double((maxHeap.peek() + minHeap.peek())) /2;
        }
        else{
            return new Double(minHeap.peek());
        }
    }

}