剑指offer——数据流中的中位数(好)(PriorityQueue,Comparator)
来源:互联网 发布:甲骨文软件开发 编辑:程序博客网 时间:2024/06/08 09:51
题目描述
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:
使用java中util包里的PriorityQueue协助完成。
定义一个最小堆(堆顶是最小元素,该数据结构默认的比较器)
和一个最大推(堆顶是最大元素,需重新定义比较器)
最小堆中存放流中最大的一半数,最大堆中存放流中最小的一半数。中位数等于两个堆顶的数值的平均,或者其中某个堆的堆顶。
重点是在往队列中添加数据的过程中,两个队列之间的元素差始终在1以内。
private int count = 0; private PriorityQueue<Integer> minHeap = new PriorityQueue<>(); //堆顶是最小的 private PriorityQueue<Integer> maxHeap = new PriorityQueue<>(15, new Comparator<Integer>() { @Override public int compare(Integer o1, Integer o2) { return o2-o1; } }); // 堆顶是最大的 public void Insert(Integer num) { count++; if(count==1) maxHeap.add(num); else{ int a = maxHeap.peek(); if(num<a) { if(maxHeap.size()>minHeap.size()){ minHeap.add(maxHeap.poll()); maxHeap.add(num); } else maxHeap.add(num); } else{ if(minHeap.size()>maxHeap.size()){ maxHeap.add(minHeap.poll()); minHeap.add(num); } else minHeap.add(num); } } GetMedian(); } public Double GetMedian() { double result = 0; if (count == 1) result = maxHeap.peek(); else { if (count % 2 != 0) if (maxHeap.size()>minHeap.size()) //哪边是奇数,就取那个堆里的堆顶 result = maxHeap.peek(); else result = minHeap.peek(); else result = (double) (maxHeap.peek() + minHeap.peek()) / 2; } return result; }
另一种使两堆中元素差始终保持在1以内的方法。
public void Insert(Integer num) { if (count %2 == 0) {//当前数据总数为偶数时 //(注意不是直接进入小根堆,而是经大根堆筛选后取大根堆中最大元素进入小根堆) //1.新加入的元素先入到大根堆,由大根堆筛选出堆中最大的元素 maxHeap.offer(num); int filteredMaxNum = maxHeap.poll(); //2.筛选后的【大根堆中的最大元素】进入小根堆 minHeap.offer(filteredMaxNum); } else {//当前数据总数为奇数时 //(注意不是直接进入大根堆,而是经小根堆筛选后取小根堆中最大元素进入大根堆) //1.新加入的元素先入到小根堆,由小根堆筛选出堆中最小的元素 minHeap.offer(num); int filteredMinNum = minHeap.poll(); //2.筛选后的【小根堆中的最小元素】进入大根堆 maxHeap.offer(filteredMinNum); } count++;}public Double GetMedian() { if (count %2 == 0) { return new Double((minHeap.peek() + maxHeap.peek())) / 2; } else { return new Double(minHeap.peek()); }}
多用位运算
public class Solution { PriorityQueue<Integer> big = new PriorityQueue<>(); PriorityQueue<Integer> small = new PriorityQueue<>(15, new Comparator<Integer>() { @Override public int compare(Integer o1, Integer o2) { return o2-o1; } }); // 堆顶是最大的 int sum = 0; public void Insert(Integer num) { sum++; big.offer(num); if(sum>1){ if((sum&1)==1){ small.offer(big.poll()); big.offer(small.poll()); } else small.offer(big.poll()); } } public Double GetMedian() { if((sum&1)==1) return big.peek().doubleValue(); else return (big.peek()+small.peek())/2.0; }}
阅读全文
0 0
- 剑指offer——数据流中的中位数(好)(PriorityQueue,Comparator)
- 剑指offer(C++)——数据流中的中位数
- 剑指offer——数据流中的中位数
- 剑指offer—数据流中的中位数
- 剑指offer — 数据流中的中位数
- 剑指offer—数据流中的中位数
- 剑指offer(60)-数据流中的中位数
- 剑指offer——64.数据流中的中位数
- 剑指offer(65):获取数据流中的中位数
- 牛客网刷题笔记--剑指offer(数据流中的中位数)
- 【剑指offer-解题系列(64)】数据流中的中位数
- 《剑指offer》刷题笔记(树):数据流中的中位数
- 剑指offer--数据流中的中位数
- 《剑指offer》数据流中的中位数
- 剑指offer:数据流中的中位数
- 剑指offer-数据流中的中位数
- 剑指offer 数据流中的中位数
- 《剑指offer》数据流中的中位数
- 深入理解 Spring 事务原理
- NSURLConnection 异步请求
- MySQL存储引擎之Spider内核深度解析
- 氰化物工作室的游戏Cthulhu,或最终获得VR支持
- Google MapReduce/GFS/BigTable三大技术的论文中译版
- 剑指offer——数据流中的中位数(好)(PriorityQueue,Comparator)
- Edit Latex in Ubuntu 16.04
- 链接
- WdatePicker.js的使用方法 帮助文档 使用说明(时间控件)
- Maven镜像
- 几维安全免费apk加密服务升级,高强度保护应用源代码避免盗版应用产生
- centos安装tree命令
- Http协议之Https&SSL/TLS&DNS
- 手动备份项目流程