算法的学习笔记—数据流中的中位数(牛客JZ41)

😀前言
在处理动态数据时，实时计算中位数是一个经典问题。中位数是排序后处于中间位置的数值，数据流中的中位数计算面临两个挑战：首先是数据量的动态变化，其次是需要保持元素的有序性。为了高效地解决这个问题，我们可以利用堆（Heap）结构。

🏠个人主页：尘觉主页

😀数据流中的中位数

题目链接

牛客网

😄问题描述

假设我们从数据流中不断读取数值，如果从中读取奇数个数值，中位数就是所有数值排序后位于中间的数值；如果读取偶数个数值，中位数就是排序后中间两个数值的平均值。

例如，输入数据流 [5, 2, 3, 4, 1, 6, 7, 0, 8]，我们需要依次计算数据流的中位数，得到的结果为：5.00 3.50 3.00 3.50 3.00 3.50 4.00 3.50 4.00。

💖示例1

输入：[5,2,3,4,1,6,7,0,8]

返回值："5.00 3.50 3.00 3.50 3.00 3.50 4.00 3.50 4.00 "

说明：数据流里面不断吐出的是5,2,3…,则得到的平均数分别为5,(5+2)/2,3…

💖示例2

输入：[1,1,1]

返回值："1.00 1.00 1.00 "

😊解题思路

为了高效地计算数据流的中位数，我们可以使用两个堆：大顶堆和小顶堆。

• 大顶堆（Max-Heap）：用于存储数据流中较小的一半元素，堆顶元素是这部分元素中的最大值。
• 小顶堆（Min-Heap）：用于存储数据流中较大的一半元素，堆顶元素是这部分元素中的最小值。

操作流程：

1. 每当有新元素插入时，首先根据当前元素个数决定插入哪个堆。
   • 如果总数为偶数，则新元素应插入小顶堆。但为了保证小顶堆的元素都大于大顶堆中的元素，我们可以先将新元素插入大顶堆，再将大顶堆堆顶的最大值弹出并插入小顶堆。
   • 如果总数为奇数，则新元素应插入大顶堆。同样，为了保证大顶堆的元素都小于小顶堆的元素，我们可以先将新元素插入小顶堆，再将小顶堆堆顶的最小值弹出并插入大顶堆。
2. 插入操作结束后，根据堆中元素的数量计算中位数：
   • 如果总数为偶数，中位数为两个堆顶元素的平均值。
   • 如果总数为奇数，中位数为小顶堆的堆顶元素。

🤔代码实现

以下是用 Java 实现的代码示例

import java.util.PriorityQueue;

public class MedianFinder {
   
   
    /* 
     * 大顶堆，存储数据流中较小的一半元素 
     * 比较器设为倒序，这样堆顶为最大值
     */
    private PriorityQueue<Integer> left = new PriorityQueue