数据流中的中位数
Posted
tags:
篇首语:本文由小常识网(cha138.com)小编为大家整理,主要介绍了数据流中的中位数相关的知识,希望对你有一定的参考价值。
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。
解法一:
public class Median { /** * @param args */ public static void main(String[] args) { // TODO Auto-generated method stub Median p = new Median(); p.Insert(4); p.Insert(3); p.Insert(6); p.Insert(5); System.out.println(p.GetMedian()); } List<Integer> t=new LinkedList<Integer>();//定义一个LinkedList,可以知道插入的顺序 public void Insert(Integer num) {//该插入函数是将数值判断以后再插入,得到的数列是已经排序好的 if (t.isEmpty()) t.add(num);//如果t为空,则不用判断直接插入 else if (num<t.get(0)) t.add(0,num);//如果小于第一个数值,则插入到最前面 else if (num>t.get(t.size()-1)) t.add(num);//如果大于最后一个数值,在直接插入(在最后) else for (int i = 0; i < t.size(); i++) {//否则,是大于第一个值,小于最后值,插入的位置需要判断 if (num>t.get(i)&&num<=t.get(i+1)){ t.add(i+1,num); break; } } } public Double GetMedian() { int mid=t.size()/2; if (t.size()%2==1) return Double.valueOf(t.get(mid)); else return (t.get(mid) + t.get(mid - 1)) / 2.0; } }
解法二:
用Java中自带的工具类处理,更方便
public class Solution { ArrayList<Integer> list=new ArrayList<Integer>(); public void Insert(Integer num) { list.add(num); } public Double GetMedian() { Collections.sort(list);//java自带的工具类可以实现排序 int n=list.size(); Double res=0.0; if(n%2==1){ res= (Double)(list.get((n-1)/2)/2.0)*2.0; } if(n%2==0){ res= (Double)((list.get(n/2-1)+list.get(n/2))/2.0); } return res; } }
解法三:是从别人的代码中看到的,采用的是堆思想:
//解题思路就是用两个堆,一个大顶堆,一个小顶堆来过滤数据。
/**
* 插入有两种思路:
* 1:直接插入大堆中,之后若两堆尺寸之差大于1(也就是2),则从大堆中弹出堆顶元素并插入到小堆中
* 若两队之差不大于1,则直接插入大堆中即可。
* 2:奇数个数插入到大堆中,偶数个数插入到小堆中,
* 但是 可能会出现当前待插入的数比小堆堆顶元素大,此时需要将元素先插入到小堆,然后将小堆堆顶元素弹出并插入到大堆中
* 对于偶数时插入小堆的情况,一样的道理。why?
* 因为要保证最大堆的元素要比最小堆的元素都要小。
* @param num
*/
public void Insert(Integer num) { //若总尺寸为偶数,则插入大顶堆中 if(((maxHeap.si敏感词Heap.size()) & 1) == 0){ if(minHeap.size() != 0 && num > minHeap.peek()){ minHeap.add(num); maxHeap.add(minHeap.pop()); }else{ maxHeap.add(num); } }else{ if(maxHeap.size() != 0 && num < maxHeap.peek()){ maxHeap.add(num); minHeap.add(maxHeap.pop()); }else{ minHeap.add(num); } } } public Double GetMedian() { double res = 0.0; if(((maxHeap.si敏感词Heap.size()) & 1) == 0){ res = (maxHeap.peek() + minHeap.peek()) / 2.0; }else{ res = maxHeap.peek(); } return res; } }
//堆类,可直接设置最大堆最小堆
class Heap { public List<Integer> list = null; public static final boolean isMaxHeap = true; public static final boolean isMinHeap = false; private boolean flag = true; //true表示最大堆,false表示最小堆 public Heap(){ this.list = new ArrayList<Integer>(); } public Heap(boolean flag){ this.list = new ArrayList<Integer>(); this.flag = flag; } //获取堆大小 public int size(){ return this.list.size(); } //获取堆顶元素 public int peek(){ if(list.size() == 0) return 0; return list.get(0); } //插入元素,从插入点开始向上调整堆 public void add(int val){ this.list.add(val); int i = list.size() - 1, index, parent, cur; while(i > 0){ index = (i - 1) / 2; parent = list.get(index); cur = list.get(i); if(flag == true && parent < cur){ swap(index, i); }else if(flag == false && parent > cur){ swap(index, i); } i = index; } } /** * 将堆顶元素取出,并重新调整堆。 * 1>取出堆顶元素 * 2>将最后一个元素放到堆顶 * 3>向下调整堆 public int pop(){ if(list.size() == 0) return -1; int res = list.get(0); list.set(0,list.get(list.size() - 1)); list.remove(list.size()-1); int len = list.size() - 1 , i = 0; int left , right; while(i < len){ left = (i << 1) + 1; right= (i << 1) + 2; int maxIndex = i; if(flag == true){ if(left < len && list.get(left) > list.get(maxIndex)) maxIndex = left; if(right< len && list.get(right)> list.get(maxIndex)) maxIndex = right; }else{ if(left < len && list.get(left) < list.get(maxIndex)) maxIndex = left; if(right< len && list.get(right)< list.get(maxIndex)) maxIndex = right; } if(maxIndex != i){ swap(maxIndex,i); i = maxIndex; }else break; } return res; } //交换list中两个位置的元素 public void swap(int i, int j){ int temp = list.get(i); list.set(i, list.get(j)); list.set(j,temp); } }
以上是关于数据流中的中位数的主要内容,如果未能解决你的问题,请参考以下文章