剑指offer-面试题64-数据流中的中位数

package case64_StreamMedian;import java.util.Comparator;import java.util.PriorityQueue;/** * 题目：如何得到一个数据流中的中位数？ *  * 如果从数据流中读出奇数个数值，那么中位数就是所有数值排序之后位于中间的数值。 * 如果从数据流中读出偶数个数值，那么中位数就是所有数值排序之后中间两个数的平均值。 *  * 思路： *  * Java的PriorityQueue * 是从JDK1.5开始提供的新的数据结构接口，默认内部是自然排序，结果为小顶堆，也可以自定义排序器，比如下面反转比较，完成大顶堆。 *  * 为了保证插入新数据(时间复杂度O(lgN))和取中位数(时间复杂度O(1))的时间效率都高效，这里使用大顶堆+小顶堆的容器，并且满足： *  * 1、两个堆中的数据数目差不能超过1，这样可以使中位数只会出现在两个堆的交接处； *  * 2、大顶堆的所有数据都小于小顶堆，这样就满足了排序要求。 *  * @author WangSai * */public class StreamMedian {/** * @param args */public static void main(String[] args) {// TODO Auto-generated method stubStreamMedian sm = new StreamMedian();int[] arr = { 1, 2, 3, 5, 6, 8, 0 };for (int i = 0; i < arr.length; i++) {sm.Insert(arr[i]);System.out.print(sm.GetMedian() + " ");}}// 创建小顶堆private PriorityQueue<Integer> minHeap = new PriorityQueue<Integer>();// 创建大顶堆private PriorityQueue<Integer> maxHeap = new PriorityQueue<Integer>(new Comparator<Integer>() {// PriorityQueue默认是小顶堆，实现大顶堆，需要反转默认排序器public int compare(Integer num1, Integer num2) {return num2.compareTo(num1);// return num1.compareTo(num2);,这是小顶堆的排序方式}});// 统计已经插入的数据总数，未包含刚刚读取出来的数据。private int count = 0;public void Insert(Integer num) {// 当数据总数为偶数时，新加入的元素，应当进入大顶堆// （注意不是直接进入大顶堆，而是经小顶堆筛选后取大顶堆中最大元素进入小顶堆）if ((count & 1) == 0) {// 判断偶数的高效方法if (num > minHeap.peek() && !minHeap.isEmpty()) {// 1.新加入的元素先入到小顶堆，由小顶堆筛选出堆中最小的元素minHeap.offer(num);// 2.筛选后的【小顶堆中的最大元素】进入大顶堆maxHeap.offer(minHeap.poll());} elsemaxHeap.offer(num);}// 当数据总数为奇数时，新加入的元素，应当进入小顶堆else {if (num < maxHeap.peek() && !maxHeap.isEmpty()) {maxHeap.offer(num);minHeap.offer(maxHeap.poll());} elseminHeap.offer(num);}// 统计大顶堆和小顶堆中的数据总数+1count++;}public Double GetMedian() {if (count == 0)throw new RuntimeException("no available number,please check");if ((count & 1) == 0) {// 判断奇偶数的高效写法return (minHeap.peek() + maxHeap.peek()) / 2.0;} else {return maxHeap.peek() * 1.0;}}}