python 数据流中的移动平均值_LeetCode题记——295数据流的中位数

最新推荐文章于 2026-08-06 11:43:38 发布

原创最新推荐文章于 2026-08-06 11:43:38 发布 · 127 阅读

本内容遵循CC 4.0 BY-SA版权协议

博客围绕LeetCode 295数据流的中位数问题展开，此题为面试高频难题。介绍了中位数定义，设计支持添加整数和返回中位数的操作的数据结构，给出示例。思路是用最大堆和最小堆分别存放数值小和大的元素，保证堆大小关系以求解中位数，还提及进阶优化问题。

LeetCode 295 数据流的中位数，难度：困难，标签：面试高频

题意：

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？

思路：设置最大堆和最小堆，
最小堆里存放的是数值大的那部分元素，
最大堆里存放的是数值小的那部分元素，
这样，就能保证最大堆的堆顶和最小堆的堆顶是数组排序后，中间位置的数
在入堆得过程中，保证最大堆的大小是最小堆大小 +1 ，或等于最小堆，
奇数个元素求中间数，就是最大堆的堆顶，
偶数个元素求中间数，就是最大堆和最小堆堆顶的平均值
79.84% , 100.00%

代码：

class MedianFinder {
    private PriorityQueue<Integer> minHeap ;
    private PriorityQueue<Integer> maxHeap ;
    /** initialize your data structure here. */
    public MedianFinder() {
        minHeap = new PriorityQueue<>();
        // 最大堆，设置倒序比较规则
        maxHeap = new PriorityQueue<>(new Comparator<Integer>(){
            public int compare(Integer a , Integer b){
                return b.compareTo(a);
            }
        });
    }

    public void addNum(int num) {
        // 先向最小堆里加
        minHeap.offer(num);
        // 当最小堆中的元素比最大堆小时，将小的元素弹出，入最大堆，保证最大堆里存放的是数值小的元素，最小堆里是数值大的元素
        if(maxHeap.size() != 0 && minHeap.size() != 0 ){
            if(minHeap.peek() < maxHeap.peek()){
                maxHeap.offer(minHeap.poll());
            }
        }
        // 保证最大堆的大小等于最小堆或 等于最小堆 + 1
        if(maxHeap.size() > minHeap.size() + 1){
            minHeap.offer(maxHeap.poll());
        }
        if(maxHeap.size() < minHeap.size()){
            maxHeap.offer(minHeap.poll());
        }
    }

    public double findMedian() {
        // 如果最大堆的大小 是 最小堆大小 + 1 ，那么最大堆堆顶就是中间值
        if(maxHeap.size() > minHeap.size()){
            return 1.0 * maxHeap.peek();
        }
        // 否则，偶数个元素，取两者堆顶，计算平均值
        else{
            return (maxHeap.peek() + minHeap.peek()) / 2.0;
        }
    }
}

代码运行情况：