本文主要是介绍【数据结构与算法 | 堆篇】力扣295，希望对大家解决编程问题提供一定的参考价值，需要的开发者们随着小编来一起学习吧！
1. 力扣295
(1). 题
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
(2). 思路
取中位数，即小顶堆的堆顶与大顶堆的堆顶.
(3). 解
//将一个数组的元素分为两个部分,
//一个是数组一半比较小的元素的大顶堆
//和一个数组一半比较大的小顶堆
class MedianFinder {PriorityQueue<Integer> p1;//大顶堆PriorityQueue<Integer> p2;//小顶堆public MedianFinder() {p1 = new PriorityQueue<>((o1, o2) -> {return o2 - o1;});p2 = new PriorityQueue<>();}//分为大顶堆与小顶堆大小一样, 与大顶堆比小顶堆大一个两种情况public void addNum(int num) {//如果大顶堆与小顶堆大小一样, 则先将num添加到小顶堆, //在从小顶堆中取最小的元素放入大顶堆if(p1.size() == p2.size()) {p2.offer(num);p1.offer(p2.poll());//相当与p1大小+1, p2大小不变} else {//如果大顶堆比小顶堆大一个, 那么将num放入大顶堆,//再取大顶堆最大的元素放入小顶堆p1.offer(num);p2.offer(p1.poll());//相当于p1大小不变, p2大小+1}}public double findMedian() {if (p1.size() == p2.size()) {return (p1.peek() + p2.peek())/2.0;} else {return p1.peek();}}
}这篇关于【数据结构与算法 | 堆篇】力扣295的文章就介绍到这儿，希望我们推荐的文章对编程师们有所帮助！
