如何用堆计算整数流的中位数
作者:互联网
1.概述
本文介绍了如何查找整数流的中位数。
我会通过示例说明问题,分析问题,最后给出几种Java解决方案。
2.问题描述
中位数(又称中值)指一个有序数据集的中间值。对于一组整数,小于中位数的元素与大于中位数的元素一样多。
在一组有序数据集中:
如果元素个数为奇数,那么中间那个元素是中位数:在有序整数集合{5,7,10}中,中位数是7;
如果元素个数为偶数,没有中间元素,那么中位数为两个中间元素的平均值:在有序整数集合{5,7,8,10}中,中位数为 (7+8)/ 2 = 7.5。
现在,假设输入是数据流而非一个有限集合。可以把整数流的中位数定义为,到目前为止已读取整数集合的中位数。
问题可以形式化描述为:对于给定的整数流输入,设计一个类,为读取的每个整数执行下面两个任务:
将整数添加到整数集
查找目前为止已读取整数集合的中位数
例如:
add 5 // sorted-set = { 5 }, size = 1
中位数 -> 5
add 7 // sorted-set = { 5, 7 }, size = 2
中位数 -> (5 + 7) / 2 = 6
add 10 // sorted-set = { 5, 7, 10 }, size = 3
中位数 -> 7
add 8 // sorted-set = { 5, 7, 8, 10 }, size = 4
中位数 -> (7 + 8) / 2 = 7.5
..
尽管输入的整数流是无限的,但我们假设可以把数据流中的所有元素一次存到内存中。
可以将任务用下面的代码表示:
void add(int num);
double getMedian();
3.朴素方法
3.1.有序列表
让我们从一个简单的想法开始:通过照索引访问列表的中间元素或者中间两个元素,计算整数有序列表的中位数。getMedian操作的时间杂度复为O(1)。
添加新的整数时,必须确保其在列表中的位置正确,让列表保持有序。操作在O(n)时间内完成,其中n代表列表长度。因此,向列表添加新元素,同时计算新的中位数时间成本为O(n)。
3.2.改进朴素方法
add操作以线性时间复杂度运行,这不是最优解。让我们尝试在本节中解决这个问题。
可以把列表分为两个有序列表:较小一列整数降序,较大的一列整数升序。我们可以找到合适的数列添加新整数,这样两个列表长度差最大为1:
if 元素比较大一列中的最小值还要小:
新整数插入较小的一列
if 元素比较小一列中的最大值还要大:
移除该列的最大值并插入到较大一列的列首(也称再平衡)
else
新整数插入较大的一列:
if 较大一列中的整数远大于较小一列:
移除该列的最小值并加到较大一列的列尾(再平衡)
现在,我们开始计算中位数:
If 两个列表的长度相等:
median = (较小的一列的最大值 + 较大一列中的最小值) / 2
else if 较小的一列中的元素更多:
median = 较小的一列的最大值
else if 较大的一列中的元素更多:
median = 较大一列中的最小值
尽管只是把add运算的时间复杂度改进为常数,但我们已经取得了进展。
让我们分析访问的列表元素。我们可能会在add操作(排序)移动元素过程中访问元素。更重要的是,再平衡执行add操作与getMedian操作过程中访问了较大数列中的最小值和较小数列中的最大值(极值)。
可以看到极值为各自列表的第一个元素。因此,我们必须优化索引为0的元素访问,缩短add操作的整体运行时间。
4.基于堆的方法
让我们总结朴素方法,进一步了解问题:
必须在O(1)时间内得到数据中的最小元素或最大元素。
只要可以高效地获得最小或最大元素,就不必按排序顺序保留元素。
我们需要找到添加元素时间小于O(n)的方法。
接下来将研究Heap数据结构,它能帮助我们有效地达成目标。
4.1.Heap数据结构
Heap(堆)通常采用数组实现,但可以把它看作二叉树。
Heap对元素的约束:
4.1.1.最大堆特性
(子)节点的值不能大于其父节点的值。因此,在最大堆中,根节点始终具有最大值。
4.1.2.最小堆特性
(父)节点的值不能大于其子节点的值。因此,在最小堆中,根节点始终具有最小值。
在Java中,PriorityQueue表示一个堆。让我们继续,开始进入使用堆的第一种解决方案。
4.2.第一种解决方案
让用堆替换朴素方法中的列表:
最小堆保存较大的一半元素,最小值位于根元素
最大堆保存较小的一半元素,最大值位于根元素
现在,可以把传入的整数与最小堆根元素进行比较,并加到对应的一半数列中。接下来,如果插入后两个堆大小差距大于1,可以为堆进行重新平衡,让差距最大等于1:
if size(minHeap) > size(maxHeap) + 1:
移除minHeap根元素,插入maxHeap
if size(maxHeap) > size(minHeap) + 1:
移除maxHeap根元素,插入minHeap
通过这种方法,如果得到的两个堆大小相等,可以中位数等于两个堆的根元素平均值。否则,元素多的那个堆,其根元素就是中位数。
我们用PriorityQueue表示堆。PriorityQueue默认是最小堆。可以使用Comparator.reverserOrder创建最大堆,排序方式为自然逆序:
class MedianOfIntegerStream {
private Queue<Integer> minHeap, maxHeap;
MedianOfIntegerStream() {
minHeap = new PriorityQueue<>();
maxHeap = new PriorityQueue<>(Comparator.reverseOrder());
}
void add(int num) {
if (!minHeap.isEmpty() && num < minHeap.peek()) {
maxHeap.offer(num);
if (maxHeap.size() > minHeap.size() + 1) {
minHeap.offer(maxHeap.poll());
}
} else {
minHeap.offer(num);
if (minHeap.size() > maxHeap.size() + 1) {
maxHeap.offer(minHeap.poll());
}
}
}
double getMedian() {
int median;
if (minHeap.size() < maxHeap.size()) {
median = maxHeap.peek();
} else if (minHeap.size() > maxHeap.size()) {
median = minHeap.peek();
} else {
median = (minHeap.peek() + maxHeap.peek()) / 2;
}
return median;
}
}
分析代码运行时间之前,让我们看一下堆操作的时间复杂度:
find-min/find-max O(1)
delete-min/delete-max O(log n)
insert O(log n)
因此,getMedian操作可以在O(1)时间内执行完成,因为它只用到了find-min和find-max。add操作的时间复杂度为O(log n):三次insert/delete调用,每次调用花费的时间都需要O(log n)。
4.3.堆大小保持不变
在之前的方法中,我们将每个新元素与堆的根元素进行了比较。让我们尝试堆的另一种用法,可以利用堆本身的特性在合适的一半数据中添加新元素。
与之前的解决方案一样,先两个堆开始:一个最小堆和一个最大堆。接下来,加入一个条件:最大堆的大小必须始终为(n / 2) ,而最小堆的大小要么是(n / 2) 要么等于(n / 2) + 1,视两个堆的元素总和而定。换句话说,当元素总数为奇数时,只能允许最小堆包含一个额外元素。
由于堆大小不变,因此如果两个堆大小都是(n / 2),那么可以计算中位数等于两个堆的根元素平均值。否则,最小堆的根元素就是中位数。
当添加一个新的整数时,有两种情况:
1.所有元素的个数总和是偶数
size(min-heap) == size(max-heap) == (n / 2)
2.所有元素的个数总和是奇数
size(max-heap) == (n / 2)
size(min-heap) == (n / 2) + 1
可以通过把新元素添加到其中一个堆并每次重新平衡维持不变:
重新平衡的工作原理是把最大元素从最大堆移动到最小堆,或者把最小元素从最小堆移动到最大堆。这样,尽管新的整数添加到堆之前没有进行比较,但随后的重新平衡确保了较大与较小数列的底层平衡。
下面使用JavaPriorityQueues实现:
class MedianOfIntegerStream {
private Queue<Integer> minHeap, maxHeap;
MedianOfIntegerStream() {
minHeap = new PriorityQueue<>();
maxHeap = new PriorityQueue<>(Comparator.reverseOrder());
}
void add(int num) {
if (minHeap.size() == maxHeap.size()) {
maxHeap.offer(num);
minHeap.offer(maxHeap.poll());
} else {
minHeap.offer(num);
maxHeap.offer(minHeap.poll());
}
}
double getMedian() {
int median;
if (minHeap.size() > maxHeap.size()) {
median = minHeap.peek();
} else {
median = (minHeap.peek() + maxHeap.peek()) / 2;
}
return median;
}
}
操作的时间复杂度保持不变:getMedian耗费的时间为O(1),而add的运行时间为O(log n),调用次数完全相同。
两种基于堆的解决方案空间和时间复杂度相似。尽管第二种解决方案很聪明并且实现更简洁,但是这种方法并不直观。而第一种解决方案更符合我们的直觉,因此更容易推断其add操作的正确性。
5.总结
在本文中,我们学习了如何计算整数流的中位数。我们评估了几种解决方案,用PriorityQueue给出了两个不同的Java实现。
标签:maxHeap,元素,中位数,整数,minHeap,用堆,size 来源: https://blog.51cto.com/u_15127686/2832580