new 数据流中的中位数 大顶堆 小顶堆 测试未通过
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。我们使用Insert()方法读取数据流,使用GetMedian()方法获取当前读取数据的中位数。
思路
由于数据是从一个数据流中读出来的,而数据的数目随着时间的变化而增加,新的数据从流中读出来,这些数据就插入数据容器。
不同的容器:
1、无序数组:快排
插入:O(1)
找出:O(n)
2、有序数组:
插入:O(n)
找出:O(1)
3、排序的链表
定义两个链表指向中间节点,
插入:O(n)
找出:O(1)
4、二叉搜索树
插入:平均O(logn) 最差O(n)
找出:平均O(logn) 最差O(n)
5、AVL树
平衡因子是左右子树高度差,可以改为左右子节点数目差
插入:O(logn)
找出:O(1)
但编程者在短短几十分钟很难写完。
6、最大堆和最小堆
插入:O(logn)
找出:O(1)
大顶堆、小顶堆
先用java集合PriorityQueue来设置一个小顶堆和大顶堆
主要的思想是:因为要求的是中位数,那么这两个堆,大顶堆用来存较小的数,从大到小排列;
小顶堆存较大的数,从小到大的顺序排序*,显然中位数就是大顶堆的根节点与小顶堆的根节点和的平均数。
⭐保证:小顶堆中的元素都大于等于大顶堆中的元素,所以每次塞值,并不是直接塞进去,而是从另一个堆中poll出一个最大(最小)的塞值
⭐当数目为偶数的时候,将这个值插入大顶堆中,再将大顶堆中根节点(即最大值)插入到小顶堆中;
⭐当数目为奇数的时候,将这个值插入小顶堆中,再讲小顶堆中根节点(即最小值)插入到大顶堆中;
⭐取中位数的时候,如果当前个数为偶数,显然是取小顶堆和大顶堆根结点的平均值;如果当前个数为奇数,显然是取小顶堆的根节点
测试不通过:
import java.util.*; public class Solution { private PriorityQueue<Integer> minheap=new PriorityQueue<Integer>(); private PriorityQueue<Integer> maxheap=new PriorityQueue<Integer>((x,y)->(y-x)); int count=0; public void Insert(Integer num) { if(count % 2 == 0){ maxheap.offer(num); int max=maxheap.poll(); minheap.offer(max); } else { minheap.offer(num); int min=minheap.poll(); maxheap.offer(min); } count++; } public Double GetMedian() { if(count % 2 == 0) return new Double (maxheap.poll()+minheap.poll())/2; else //((count&1)==1) return new Double (minheap.poll()); } }
测试通过:
import java.util.PriorityQueue; import java.util.Comparator; public class Solution { //小顶堆 private PriorityQueue<Integer> minHeap = new PriorityQueue<Integer>(); //大顶堆 private PriorityQueue<Integer> maxHeap = new PriorityQueue<Integer>(15, new Comparator<Integer>() { @Override public int compare(Integer o1, Integer o2) { return o2 - o1; } }); //记录偶数个还是奇数个 int count = 0; //每次插入小顶堆的是当前大顶堆中最大的数 //每次插入大顶堆的是当前小顶堆中最小的数 //这样保证小顶堆中的数永远大于等于大顶堆中的数 //中位数就可以方便地从两者的根结点中获取了 public void Insert(Integer num) { //个数为偶数的话,则先插入到大顶堆,然后将大顶堆中最大的数插入小顶堆中 if(count % 2 == 0){ maxHeap.offer(num); int max = maxHeap.poll(); minHeap.offer(max); }else{ //个数为奇数的话,则先插入到小顶堆,然后将小顶堆中最小的数插入大顶堆中 minHeap.offer(num); int min = minHeap.poll(); maxHeap.offer(min); } count++; } public Double GetMedian() { //当前为偶数个,则取小顶堆和大顶堆的堆顶元素求平均 if(count % 2 == 0){ return new Double(minHeap.peek() + maxHeap.peek())/2; }else{ //当前为奇数个,则直接从小顶堆中取元素即可 return new Double(minHeap.peek()); } } }
- 点赞
- 收藏
- 分享
- 文章举报
- 剑值offer(面试题目64)数据流中的中位数
- 通过fiddler抓取HTTP协议的数据包 | 详细介绍fiddler使用过程。西边人西说测试
- 通过itunes store向iOS设备安装测试版(未上线)的程序
- 【Unity】中如何通过GPS获取设备经纬度(测试脚本)
- 基于nghttp2的APNs new API 测试(c实现)
- iPhone手机测试正版和未翻新,通过序列号查看
- 【面试题64】数据流中的中位数
- 我自己曾经经历的CMMI3认证通过关于软件测试的访谈
- Ubuntu Touch OTA-11 发布,可以通过改进的智能键盘进行测试
- 软件测试通过标准
- 通过路由器静态PAT访问FTP服务器测试
- H264通过RTMP发布 V2.0 (Red5 Wowza 测试通过)
- 通过Junit测试来观察Hibernate的 transient ,persisent,detached
- 通过ICMP协议测试目标主机是否在线
- prefork的工作原理及配置及通过apache的ab测试提高负载
- OCCI入门(VC2010下配置) 32位测试通过
- 通过一张图说说测试职业如何发展(一)
- 通过Fiddler测试你的 REST WCF服务
- **甲级PAT1014 Waiting in Line (已经通过全部测试,找到一个奇怪的坑但是不知道为什么,跪求大佬回复)
- 面试题41:数据流中的中位数