当前位置：首页 > news >正文

Leecode热题100-295.数据流中的中位数

news 2025/5/6 8:01:58

中位数是有序整数列表中的中间值。如果列表的大小是偶数，则没有中间值，中位数是两个中间值的平均值。

例如 arr = [2,3,4] 的中位数是 3 。
例如 arr = [2,3] 的中位数是 (2 + 3) / 2 = 2.5 。

实现 MedianFinder 类:

MedianFinder() 初始化 MedianFinder 对象。
void addNum(int num) 将数据流中的整数 num 添加到数据结构中。
double findMedian() 返回到目前为止所有元素的中位数。与实际答案相差 10-5 以内的答案将被接受。

示例 1：

输入
["MedianFinder", "addNum", "addNum", "findMedian", "addNum", "findMedian"]
[[], [1], [2], [], [3], []]
输出
[null, null, null, 1.5, null, 2.0]解释
MedianFinder medianFinder = new MedianFinder();
medianFinder.addNum(1);    // arr = [1]
medianFinder.addNum(2);    // arr = [1, 2]
medianFinder.findMedian(); // 返回 1.5 ((1 + 2) / 2)
medianFinder.addNum(3);    // arr[1, 2, 3]
medianFinder.findMedian(); // return 2.0

提示:

-105 <= num <= 105
在调用 findMedian 之前，数据结构中至少有一个元素
最多 5 * 104 次调用 addNum 和 findMedian

本题我用的是双堆的解法，一个小根堆，一个大根堆，堆的特性要了解，默认情况下顶上是小的，越往下越大（小顶堆）

class MedianFinder {/**先定义两个堆，一个小根（大顶）堆，用来放小的数，一个大跟堆（小顶）用来放大的数记住堆默认是小顶堆（大根堆）*/PriorityQueue<Integer> minHeap;PriorityQueue<Integer> maxHeap;public MedianFinder() {/**初始化两个堆 */minHeap = new PriorityQueue<>((a,b)->b-a);maxHeap = new PriorityQueue<>();}public void addNum(int num) {/**如果加入的数比maxHeap的顶（这个堆里最大的数）大，就放入小顶堆其他情况放入小顶堆*/if(minHeap.isEmpty() || num <= minHeap.peek()) {minHeap.offer(num);/**为了平衡 */if(minHeap.size() > maxHeap.size() + 1) {maxHeap.offer(minHeap.poll());}} else {maxHeap.offer(num);/**为了平衡 */if(maxHeap.size() > minHeap.size() + 1) {minHeap.offer(maxHeap.poll());}}}public double findMedian() {/**谁的元素多弹出谁的顶 */if(maxHeap.size() > minHeap.size()) {return maxHeap.peek();} else if(maxHeap.size() < minHeap.size()) {return minHeap.peek();} else {/**如果元素一样，弹出他们俩的顶的平均数 */return (double)(maxHeap.peek() + minHeap.peek())/2;}}
}/*** Your MedianFinder object will be instantiated and called as such:* MedianFinder obj = new MedianFinder();* obj.addNum(num);* double param_2 = obj.findMedian();*/