LeetCode-295-数据流的中位数

该博客介绍了如何设计一个数据结构,用于在数据流中动态添加整数并实时找到所有元素的中位数。核心思路是利用两个优先级队列(大顶堆和小顶堆)来维护数据的顺序。当数据量为奇数时,中位数在大顶堆的顶部;当数据量为偶数时,中位数是大顶堆顶部元素和小顶堆顶部元素的平均值。这种方法能够在O(logn)的时间复杂度内完成添加和查找操作。

295. 数据流的中位数

  • 题目

    中位数是有序列表中间的数。如果列表长度是偶数,中位数则是中间两个数的平均值。

    例如,

    [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:

addNum(1)
addNum(2)
findMedian() -> 1.5
addNum(3) 
findMedian() -> 2
  • 难度:困难

  • 分类:多做

  • 题解

    运用到了新知识,大小堆。大堆是完全二叉树,里面按照父节点比子节点大排列,小堆是父节点值比子节点小排列。通过大小堆的入堆和出堆,便能够对序列进行排列,代码如下:

    class MedianFinder {
    
        /** initialize your data structure here. */
    	
    	PriorityQueue<Integer> max;
    	PriorityQueue<Integer> min;
        public MedianFinder() {
        	//小堆
        	max=new PriorityQueue<>((a,b)->(a-b));
        	//大堆
        	min=new PriorityQueue<>((a,b)->(b-a));
        }
        
        public void addNum(int num) {
        	max.add(num);
        	min.add(max.poll());
        	if(min.size()>max.size()) {
        		max.add(min.poll());
        	}
        }
        
        public double findMedian() {
        	if(max.size()==min.size()) {
        		return (double)(max.peek()+min.peek())/2;
        	}
        	return max.peek();
        }
    }
    

    那么按照以上方式提交的结果则是:
    在这里插入图片描述


来源:力扣(LeetCode)
链接:https://leetcode-cn.com/problems/find-median-from-data-stream
著作权归领扣网络所有。商业转载请联系官方授权,非商业转载请注明出处。

评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值