求数据流中的中位数问题
求数据流中的中位数问题
作者:Grey
原文地址:
题目链接
LeetCode 295. Find Median from Data Stream
主要思路
要得到数据流中的中位数,在偶数的情况下,要得到上下中位数求平均,在奇数的状态下,要得到中间位置的数,这里最关键的问题就是:如何快速找到中间位置(而且是动态的)。
我们可以准备两个堆,一个大根堆,一个小根堆,两个堆分别维持在一半左右的元素,且让这两个堆的堆顶始终保持中间位置的元素。这样就可以快速得到中位数需要的值了。具体操作如下:
第一个元素永远是先进大根堆。
接下来的元素,按如下规则进入:
如果接下来的元素比大根堆堆顶元素小,进大根堆,否则进入小根堆。
如果两个堆的大小差值已经达到2了,说明元素要向着一侧堆倾斜,这个时候,为了维持两个堆的平衡(即:始终可以拿到中位数需要的信息),从数量多的堆拿出一个放到数量少的堆,这样就让两个堆始终保持差值小于等于1。
此时,如果要得到中位数,通过如下规则就可以得到:
如果大根堆和小根堆数量一样,说明原始数据流是偶数个,那么直接拿出大根堆和小根堆的堆顶元素求和再除以2就是了。
如果大根堆和小根堆数量不一样(在这一步,只能是差1),那么就取多的那个堆的堆顶即为中位数。
完整代码如下
import java.util.Comparator;
import java.util.PriorityQueue;
class MedianFinder {
private final PriorityQueue<Integer> minHeap;
private final PriorityQueue<Integer> maxHeap;
public MedianFinder() {
minHeap = new PriorityQueue<>(Comparator.comparingInt((Integer o) -> o));
maxHeap = new PriorityQueue<>((o1, o2) -> o2 - o1);
}
public void addNum(int num) {
if (maxHeap.isEmpty()) {
maxHeap.add(num);
} else {
if (maxHeap.peek() >= num) {
maxHeap.add(num);
} else {
minHeap.add(num);
}
}
int maxHeapSize = maxHeap.size();
int minHeapSize = minHeap.size();
if (maxHeapSize - minHeapSize == 2) {
minHeap.add(maxHeap.poll());
} else if (minHeapSize - maxHeapSize == 2) {
maxHeap.add(minHeap.poll());
}
}
public double findMedian() {
if (maxHeap.size() == minHeap.size()) {
return (maxHeap.peek() + minHeap.peek()) / 2d;
}
if (maxHeap.size() > minHeap.size()) {
return maxHeap.peek();
}
return minHeap.peek();
}
}
更多
本文来自博客园,作者:Grey Zeng,转载请注明原文链接:https://www.cnblogs.com/greyzeng/p/16479520.html