43、滑动窗口中位数

题目描述：
中位数是有序序列最中间的那个数。如果序列的大小是偶数，则没有最中间的数；此时中位数是最中间的两个数的平均数。

例如：

[2,3,4]，中位数是 3

[2,3]，中位数是 (2 + 3) / 2 = 2.5

给出一个数组 nums，有一个大小为 k 的窗口从最左端滑动到最右端。窗口中有 k 个数，每次窗口移动 1 位。你的任务是找出每次窗口移动后得到的新窗口中元素的中位数，并输出由它们组成的数组。

例如：

给出 nums = [1,3,-1,-3,5,3,6,7]，以及 k = 3。

窗口位置 中位数

[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，返回该滑动窗口的中位数数组 [1,-1,-1,3,5,6]。

提示：
假设k是合法的，即：k 始终小于输入的非空数组的元素个数.

来源：力扣（LeetCode）
链接：https://leetcode-cn.com/problems/sliding-window-median
著作权归领扣网络所有。商业转载请联系官方授权，非商业转载请注明出处。

小顶堆大顶堆变式

待学习。。。。

class Solution {
    public double[] medianSlidingWindow(int[] nums, int k) {
        double[] res = new double[nums.length - k +1];
        PriorityQueue<Double> minHeap = new PriorityQueue<>();
        PriorityQueue<Double> maxHeap = new PriorityQueue<>(new Comparator<Double>() {
            @Override
            public int compare(Double o1, Double o2) {
                if (o2 - o1 > 0.0d){
                    return 1;
                }else if (o2 - o1 < 0.0d){
                    return -1;
                }else {
                    return 0;
                }
            }
        });
        int index = 0;
        /**
         * 维持平衡 maxHeap[1....size-1] <= maxHeap[0] <= minHeap[0] <= minHeap[1....size-1]
         * 且保证 Math.abs(maxHeap.size()- minHeap.size()) <= 1
         */
        for (int i =0; i < nums.length; i++){
            minHeap.offer((double) nums[i]);

            //移除窗口外的值
            if (minHeap.size() + maxHeap.size() > k){
                if (minHeap.contains((double) nums[i-k])){
                    minHeap.remove((double)nums[i-k]);
                }else {
                    maxHeap.remove((double)nums[i-k]);
                }
            }
            //维持平衡
            if (minHeap.size() - maxHeap.size() > 1){
                maxHeap.offer(minHeap.poll());
            }
            if (maxHeap.size() > 0 && minHeap.size() > 0 && maxHeap.peek() > minHeap.peek()){
                maxHeap.offer(minHeap.poll());
            }
            if (maxHeap.size() - minHeap.size() > 1){
                minHeap.offer(maxHeap.poll());
            }

            //求窗口中间值
            if (minHeap.size() + maxHeap.size() == k){

                if (minHeap.size() > maxHeap.size()){
                    res[index++] = minHeap.peek();
                }else if (minHeap.size() < maxHeap.size()){
                    res[index++] = maxHeap.peek();
                }else {
                    res[index++] = minHeap.peek()/2.0d + maxHeap.peek()/2.0d;
                }
            }
        }
        return res;
    }

}