【Java】 剑指offer(41) 数据流中的中位数

本文参考自《剑指offer》一书，代码采用Java语言。

更多：《剑指Offer》Java实现合集  

题目　

　　如何获得一个数据流中的中位数？若是从数据流中读出奇数个数值，那么中位数就是全部数值排序以后位于中间的数值。若是从数据流中读出偶数个数值，那么中位数就是全部数值排序以后中间两个数的平均值。

思路

　　所谓数据流，就是不会一次性读入全部数据，只能一个一个读取，每一步都要求能计算中位数。

　　将读入的数据分为两部分，一部分数字小，另外一部分大。小的一部分采用大顶堆存放，大的一部分采用小顶堆存放。当总个数为偶数时，使两个堆的数目相同，则中位数=大顶堆的最大数字与小顶堆的最小数字的平均值；而总个数为奇数时，使小顶堆的个数比大顶堆多一，则中位数=小顶堆的最小数字。

　　所以，插入的步骤以下：

　　1.若已读取的个数为偶数（包括0）时，两个堆的数目已经相同，将新读取的数插入到小顶堆中，从而实现小顶堆的个数多一。可是，若是新读取的数字比大顶堆中最大的数字还小，就不能直接插入到小顶堆中了 ，此时必须将新数字插入到大顶堆中，而将大顶堆中的最大数字插入到小顶堆中，从而实现小顶堆的个数多一。

　　2若已读取的个数为奇数时，小顶堆的个数多一，因此要将新读取数字插入到大顶堆中，此时方法与上面相似。

 

测试算例　

　　1.功能测试（读入奇/偶数个数字）

　　2.边界值测试（读入0个、1个、2个数字）

Java代码

//题目：如何获得一个数据流中的中位数？若是从数据流中读出奇数个数值，那么
//中位数就是全部数值排序以后位于中间的数值。若是从数据流中读出偶数个数值，
//那么中位数就是全部数值排序以后中间两个数的平均值。

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

public class StreamMedian {
    PriorityQueue<Integer> minHeap = new PriorityQueue<Integer>(); //小顶堆，默认容量为11
    PriorityQueue<Integer> maxHeap = new PriorityQueue<Integer>(11,new Comparator<Integer>(){ //大顶堆，容量11
        public int compare(Integer i1,Integer i2){
            return i2-i1;
        }
    });
    public void Insert(Integer num) {
        if(((minHeap.size()+maxHeap.size())&1)==0){//偶数时,下个数字加入小顶堆
            if(!maxHeap.isEmpty() && maxHeap.peek()>num){
                maxHeap.offer(num);
                num=maxHeap.poll();
            }
            minHeap.offer(num);
        }else{//奇数时，下一个数字放入大顶堆
            if(!minHeap.isEmpty() && minHeap.peek()<num){
                minHeap.offer(num);
                num=minHeap.poll();
            }
            maxHeap.offer(num);
        }
    }

    public Double GetMedian() {
        if((minHeap.size()+maxHeap.size())==0)
            throw new RuntimeException();
        double median;
        if((minHeap.size()+maxHeap.size()&1)==0){
            median=(maxHeap.peek()+minHeap.peek())/2.0;
        }else{
            median=minHeap.peek();
        }
        return median;
    }
}

　　

收获

　　1.最大最小堆能够用PriorityQueue实现，PriorityQueue默认是一个小顶堆，经过传入自定义的Comparator函数能够实现大顶堆：

    PriorityQueue<Integer> maxHeap = new PriorityQueue<Integer>(11,new Comparator<Integer>(){ //大顶堆，容量11
        @Override
    	public int compare(Integer i1,Integer i2){
            return i2-i1; //降序排列
        }
    });

　　PriorityQueue的经常使用方法有：poll(),offer(Object),size(),peek()等。

　　2.平均值应该定义为double，且（a+b）/2.0 。

　　3.往最大堆中插入数据时间复杂度是O(logn)，获取最大数的时间复杂度是O(1)。

　　4.这道题关键在于分红两个平均分配的部分，奇偶时分别插入到最大最小堆中，利用最大最小堆性质的插入方法要掌握。

 

更多：《剑指Offer》Java实现合集