JZ63 数据流中的中位数

描述

如何得到一个数据流中的中位数？如果从数据流中读出奇数个数值，那么中位数就是所有数值排序之后位于中间的数值。如果从数据流中读出偶数个数值，那么中位数就是所有数值排序之后中间两个数的平均值。我们使用Insert()方法读取数据流，使用GetMedian()方法获取当前读取数据的中位数。

 看给的示例分析，不是说取整个数据组的中位数，按照输入数据流来排序取的中位数。

 如果要对每次新加入的数字进行排序的话，那么就是插入排序了。（好像没看到这么做的哎，等我变厉害了来实现一下看行不行）

还有利用堆的题解：https://blog.nowcoder.net/n/8a7b942015c14175ba6c76bb3664435a?f=comment

利用两个堆，最小堆放较大的一本元素，最大堆放较小的一半元素。其中最小堆的顶部元素都小于等于最小堆中的所有数字，也就是说最小堆的顶部元素是最小堆中最小的。最大堆的顶部元素都大于等于最大堆中的所有数字，也就是说最大堆的顶部元素是最大堆中最大的。

只要这两个堆是平衡的（即这两个堆的数量相等或相差1），那么中位数就可以通过这两个堆的堆顶元素获得。

import heapq
class Solution:
    def __init__(self):
        self.count = 0
        self.max_heap = []
        self.min_heap = []

    def Insert(self, num):
        # write code here
        self.count += 1
        #将数据放到最大堆中
        heapq.heappush(self.max_heap, -num)
        #将最大堆中的堆顶元素放到最小堆中
        max_heap_top = heapq.heappop(self.max_heap)
        heapq.heappush(self.min_heap, -max_heap_top)
        #如果最小堆和最大堆之间的差距大于1，将最小堆中的堆顶放进最大堆
        if self.count & 1:
            min_heap_top = heapq.heappop(self.min_heap)
            heapq.heappush(self.max_heap, -min_heap_top)

    #题目getmedian参数少了个s       
    def GetMedian(self,s):
        # write code here
        if self.count & 1:
            return -self.max_heap[0]
        else:
            return (self.min_heap[0] - self.max_heap[0]) / 2.0