双堆法求数据流的中位数

代码逻辑

这道题的关键在于如何在动态添加元素的过程中,快速找到中位数。

我们可以用一个大顶堆(maxHeap)存储较小的一半元素，堆顶是这部分的最大值和一个小顶堆(minHeap)存储较大的一半元素,堆顶是这部分的最小值，这样的话，中位数就在两个堆的堆顶附近!

1.添加元素

添加新元素时， 如果大顶堆为空,或新元素 ≤ 大顶堆堆顶 → 放入大顶堆，否则 → 放入小顶堆。
如果两个堆的大小差为 2,就从元素多的堆中取出堆顶,放入另一个堆。

2.查找中位数

如果两个堆大小相等 → 中位数 = (大顶堆堆顶 + 小顶堆堆顶) / 2;

如果大小不等 → 中位数 = 元素多的那个堆的堆顶。

代码实现

class MedianFinder {private PriorityQueue<Integer> maxHeap;  // 大顶堆,存储较小的一半private PriorityQueue<Integer> minHeap;  // 小顶堆,存储较大的一半public MedianFinder() {// Java的PriorityQueue默认是小顶堆,需要自定义比较器实现大顶堆maxHeap = new PriorityQueue<>((a, b) -> b - a);minHeap = new PriorityQueue<>((a, b) -> a - b);}public void addNum(int num) {// 决定新元素放入哪个堆if (maxHeap.isEmpty() || maxHeap.peek() >= num) {maxHeap.add(num);} else {minHeap.add(num);}// 调整两个堆的平衡balance();}public double findMedian() {if (maxHeap.size() == minHeap.size()) {// 偶数个元素,返回两个堆顶的平均值return (double) (maxHeap.peek() + minHeap.peek()) / 2;} else {// 奇数个元素,返回元素多的那个堆的堆顶return maxHeap.size() > minHeap.size() ? maxHeap.peek() : minHeap.peek();}}private void balance() {// 如果两个堆的大小差为2,需要调整if (Math.abs(maxHeap.size() - minHeap.size()) == 2) {if (maxHeap.size() > minHeap.size()) {minHeap.add(maxHeap.poll());} else {maxHeap.add(minHeap.poll());}}}
}