数据流中的中位数

题目

剑指 Offer 41. 数据流中的中位数 - 力扣（LeetCode）

思路

维护一个大根堆和一个小根堆(两个堆大小相差不超过1)，其中大根堆存储较小的那半部分数据，小根堆存储较大的那半部分数据，因此大根堆的堆顶和小根堆的堆顶可以代表中位数的取值。

需要注意：

• 在两个堆大小不一样的时候，元素多的那个堆的堆顶是中位数，否则是两个堆的堆顶的平均值。
• 规定小根堆大于等于大根堆，在插入新元素的时候，如果两个堆一样大，则插入小根堆，否则插入大根堆。
• 为了保证数据在合适的位置，若插入大根堆，则先将其插入到小根堆，然后再将小根堆的堆顶元素放到大根堆里，反之也是。

代码

class MedianFinder {

    // 使用大根堆和小根堆，堆顶是取中位数的地方
    PriorityQueue<Integer> maxHeap;
    PriorityQueue<Integer> minHeap;

    /** initialize your data structure here. */
    public MedianFinder() {
        maxHeap = new PriorityQueue<Integer>((x, y) -> (y - x));
        minHeap = new PriorityQueue<Integer>();
    }
    
    public void addNum(int num) {
        if(maxHeap.size() != minHeap.size()){
            // 加到max里
            minHeap.add(num);
            maxHeap.add(minHeap.poll());
        }else{
            // 加到min里
            maxHeap.add(num);
            minHeap.add(maxHeap.poll());
        }
    }   
    
    public double findMedian() {
        if(maxHeap.size() != minHeap.size()){
            return minHeap.peek();
        }else{
            return (maxHeap.peek() + minHeap.peek()) / 2.0;
        }
    }
}