LeetCode 每日一題480. 滑動視窗中位數
阿新 • • 發佈:2021-02-13
技術標籤:每日一題java演算法leetcode資料結構佇列
480. 滑動視窗中位數
中位數是有序序列最中間的那個數。如果序列的大小是偶數,則沒有最中間的數;此時中位數是最中間的兩個數的平均數。
例如:
[2,3,4]
,中位數是3
[2,3]
,中位數是(2 + 3) / 2 = 2.5
給你一個數組 nums
,有一個大小為 k
的視窗從最左端滑動到最右端。視窗中有 k
個數,每次視窗向右移動 1
位。你的任務是找出每次視窗移動後得到的新視窗中元素的中位數,並輸出由它們組成的陣列。
示例:
給出 nums = [1,3,-1,-3,5,3,6,7]
,以及 k = 3
。
視窗位置 中位數
-- ------------- -----
[1 3 -1] -3 5 3 6 7 1
1 [3 -1 -3] 5 3 6 7 -1
1 3 [-1 -3 5] 3 6 7 -1
1 3 -1 [-3 5 3] 6 7 3
1 3 -1 -3 [5 3 6] 7 5
1 3 -1 -3 5 [3 6 7] 6
因此,返回該滑動視窗的中位數陣列 [1,-1,-1,3,5,6]。
提示:
- 你可以假設 k 始終有效,即:k 始終小於輸入的非空陣列的元素個數。
- 與真實值誤差在 10 -5 以內的答案將被視作正確答案。
方法一:優先佇列
解題思路
此題的暴力解法是很容易想出來的:維護一個長度為 k 的陣列,左出右進,每次排序後取中位數即可,但這樣的時間複雜度是 O(klogk)
。在此基礎上,思考優化解法。
我們知道 優先佇列 中的元素是有序的,但是優先佇列並不支援按索引取值。為此,可以維護兩個優先佇列 smallHeap
和 largeHeap
,各自存一半的資料,如果 k 為奇數 那麼smallHeap
多放一個。注意:
smallHeap
是維護較小的那一半資料,堆頂是最大值,所以smallHeap
是一個「大頂堆」largeHeap
是維護較大的那一半資料,堆頂是最小值,所以largeHeap
- k 是奇數,中位數就是
smallHeap.peek()
;反之,中位數就是(smallHeap.peek() + largeHeap.peek()) / 2
儲存的問題搞定了,還有刪除。優先佇列只能刪除堆頂元素。為此可以額外使用一個 Map 維護需要刪除的元素,key 為待刪除的數字,value 為此數字需要刪除的次數。當堆頂元素在 Map 中時,說明此時需要刪除堆頂的元素。
此外,我們還需要保持兩個佇列的平衡,即 smallHeap.size()
要麼等於 largeHeap.size()
,要麼等於 largeHeap.size() + 1
。因為兩個佇列都可能存在 “待刪除元素”,所以不能直接使用 size,需要手動維護兩個佇列中 “真實元素” 的數量。
參考程式碼
- 程式碼中封裝了
DualHeap
類,其中#insert(int x)
、#remove(int x)
、#getMedian()
分別代表 插入元素、刪除元素、獲取中位數。 - 每次插入元素和刪除元素後,都需要呼叫
#balance()
方法平衡兩個佇列以及#checkTop()
方法檢查堆頂元素是否可以刪除。
public double[] medianSlidingWindow(int[] nums, int k) {
int n = nums.length;
double[] ans = new double[n - k + 1];
DualHeap dualHeap = new DualHeap((k & 1) == 1);
for (int i = 0; i < n; i++) {
dualHeap.insert(nums[i]);
if (i < k - 1) {
continue;
}
ans[i - k + 1] = dualHeap.getMedian();
dualHeap.remove(nums[i - k + 1]);
}
return ans;
}
@SuppressWarnings("all")
class DualHeap {
// k 是否為奇數
private boolean odd;
private PriorityQueue<Integer> smallHeap;
private PriorityQueue<Integer> largeHeap;
private Map<Integer, Integer> lazyMap;
// 兩個佇列中真實的元素數量(去掉待刪除的)
int smallSize, largeSize;
public DualHeap(boolean odd) {
this.odd = odd;
this.smallHeap = new PriorityQueue<>(Comparator.reverseOrder());
this.largeHeap = new PriorityQueue<>(Comparator.naturalOrder());
this.lazyMap = new HashMap<>();
smallSize = 0; largeSize = 0;
}
public void insert(int val) {
if (smallHeap.isEmpty() || val <= smallHeap.peek()) {
smallSize++;
smallHeap.offer(val);
} else {
largeSize++;
largeHeap.offer(val);
}
balance();
checkTop();
}
public void remove(int val) {
if (val <= smallHeap.peek()) {
smallSize--;
} else {
largeSize--;
}
lazyMap.put(val, lazyMap.getOrDefault(val, 0) + 1);
balance();
checkTop();
}
public double getMedian() {
return odd ? smallHeap.peek() : ((double) smallHeap.peek() + largeHeap.peek()) / 2;
}
// 執行插入和刪除操作後,需要維持兩個佇列的平衡
private void balance() {
if (smallSize > largeSize + 1) {
smallSize--;
largeSize++;
largeHeap.offer(smallHeap.poll());
} else if (smallSize < largeSize) {
smallSize++;
largeSize--;
smallHeap.offer(largeHeap.poll());
}
}
// 如果堆頂元素是待刪除元素則刪除
private void checkTop() {
while (!smallHeap.isEmpty() && lazyMap.containsKey(smallHeap.peek())) {
int x = smallHeap.poll();
int count = lazyMap.get(x);
if (count == 1) {
lazyMap.remove(x);
} else {
lazyMap.put(x, count - 1);
}
}
while (!largeHeap.isEmpty() && lazyMap.containsKey(largeHeap.peek())) {
int x = largeHeap.poll();
int count = lazyMap.get(x);
if (count == 1) {
lazyMap.remove(x);
} else {
lazyMap.put(x, count - 1);
}
}
}
}
執行結果