295:数据流的中位数

src/main/java/leetcode/editor/cn/FindMedianFromDataStream.java

@@ -0,0 +1,102 @@
+//中位数是有序列表中间的数。如果列表长度是偶数，中位数则是中间两个数的平均值。 
+//
+// 例如， 
+//
+// [2,3,4] 的中位数是 3 
+//
+// [2,3] 的中位数是 (2 + 3) / 2 = 2.5 
+//
+// 设计一个支持以下两种操作的数据结构： 
+//
+// 
+// void addNum(int num) - 从数据流中添加一个整数到数据结构中。 
+// double findMedian() - 返回目前所有元素的中位数。 
+// 
+//
+// 示例： 
+//
+// addNum(1)
+//addNum(2)
+//findMedian() -> 1.5
+//addNum(3) 
+//findMedian() -> 2 
+//
+// 进阶: 
+//
+// 
+// 如果数据流中所有整数都在 0 到 100 范围内，你将如何优化你的算法？ 
+// 如果数据流中 99% 的整数都在 0 到 100 范围内，你将如何优化你的算法？ 
+// 
+// Related Topics 设计 双指针 数据流 排序 堆（优先队列） 
+// 👍 449 👎 0
+
+package leetcode.editor.cn;
+
+import java.util.*;
+
+//295:数据流的中位数
+public class FindMedianFromDataStream {
+    public static void main(String[] args) {
+        //测试代码
+//        Solution solution = new FindMedianFromDataStream().new Solution();
+        MedianFinder medianFinder = null;
+        List<String> list1 = Arrays.asList("MedianFinder", "addNum", "findMedian", "addNum", "findMedian", "addNum", "findMedian", "addNum", "findMedian", "addNum", "findMedian");
+        List<Integer> list2 = Arrays.asList(null, -1, null, -2, null, -3, null, -4, null, -5, null);
+        for (int i = 0; i < list1.size(); i++) {
+            if ("MedianFinder".equals(list1.get(i))) {
+                medianFinder = new FindMedianFromDataStream().new MedianFinder();
+            } else if ("addNum".equals(list1.get(i))) {
+                medianFinder.addNum(list2.get(i));
+            } else {
+                System.out.println(medianFinder.findMedian());
+            }
+        }
+    }
+
+    //力扣代码
+    //leetcode submit region begin(Prohibit modification and deletion)
+    class MedianFinder {
+
+        /**
+         * 当前大顶堆和小顶堆的元素个数之和
+         */
+        private int count;
+        private PriorityQueue<Integer> max;
+        private PriorityQueue<Integer> minheap;
+
+        /**
+         * initialize your data structure here.
+         */
+        public MedianFinder() {
+            count = 0;
+            max = new PriorityQueue<>((x, y) -> y - x);
+            minheap = new PriorityQueue<>();
+        }
+
+        public void addNum(int num) {
+            count += 1;
+            max.offer(num);
+            minheap.add(max.poll());
+            if ((count & 1) != 0) {
+                max.add(minheap.poll());
+            }
+        }
+
+        public double findMedian() {
+            if ((count & 1) == 0) {
+                return (double) (max.peek() + minheap.peek()) / 2;
+            } else {
+                return (double) max.peek();
+            }
+        }
+    }
+
+/**
+ * Your MedianFinder object will be instantiated and called as such:
+ * MedianFinder obj = new MedianFinder();
+ * obj.addNum(num);
+ * double param_2 = obj.findMedian();
+ */
+//leetcode submit region end(Prohibit modification and deletion)
+
+}

src/main/java/leetcode/editor/cn/FindMedianFromDataStream.md

@@ -0,0 +1,30 @@
+<p>中位数是有序列表中间的数。如果列表长度是偶数，中位数则是中间两个数的平均值。</p>
+
+<p>例如，</p>
+
+<p>[2,3,4]&nbsp;的中位数是 3</p>
+
+<p>[2,3] 的中位数是 (2 + 3) / 2 = 2.5</p>
+
+<p>设计一个支持以下两种操作的数据结构：</p>
+
+<ul>
+	<li>void addNum(int num) - 从数据流中添加一个整数到数据结构中。</li>
+	<li>double findMedian() - 返回目前所有元素的中位数。</li>
+</ul>
+
+<p><strong>示例：</strong></p>
+
+<pre>addNum(1)
+addNum(2)
+findMedian() -&gt; 1.5
+addNum(3) 
+findMedian() -&gt; 2</pre>
+
+<p><strong>进阶:</strong></p>
+
+<ol>
+	<li>如果数据流中所有整数都在 0 到 100 范围内，你将如何优化你的算法？</li>
+	<li>如果数据流中 99% 的整数都在 0 到 100 范围内，你将如何优化你的算法？</li>
+</ol>
+<div><div>Related Topics</div><div><li>设计</li><li>双指针</li><li>数据流</li><li>排序</li><li>堆（优先队列）</li></div></div>\n<div><li>👍 449</li><li>👎 0</li></div>