295. 数据流的中位数

题目链接：数据流的中位数

题目描述：
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

题目分析：中位数的含义就不用解释了吧，当然，这道题最简单的做法就是对输入的数据放到一个有序的数组里面，然后再去取中位数，但是使用简单排序的时间复杂度最好不过是O(nlogn),我们仍需要一个比较好的解决方案。思考一下中位数的特点和位置，就是一个有序数组的最中间，因此可以把读入的数据分为两部分，比如
[1,2,3,4,5,6,7]，分为1，2，3，4和5，6，7，此时中位数就是左部分的最大值，如果是偶数个，就是左部分的最大值和右部分的最小值的平均值。那么就需要分成同时并维护2个数组，取的时候能直接取到最值就十分舒服了，看到这里，是不是想到了堆？对的，可以用一个大顶堆和小顶堆，大顶堆是左边部分，小顶堆是右边部分，计算中位数的话，直接取堆顶元素就OK了。需要考虑的点就是这两个堆的分配策略，要保证元素个数是相等的，或者左边（右边也可）多一个即可。我们可以每次先把元素放入左边，同时把左边的堆顶元素放入右边，一旦左边个数小于右边，就把右边的堆顶元素放入左边，这样能保证左边个数等于右边或者多一个，计算的时候直接取中位数即可

代码：

public class MedianFinder {
     PriorityQueue<Integer> maxHeap = new PriorityQueue<>((a,b)->(b-a));//左边
     PriorityQueue<Integer> minHeap = new PriorityQueue<>();//右边
    public void addNum(int num) {
       maxHeap.add(num);
       minHeap.add(maxHeap.poll());
       //小于右边，挪一个过来
       if(maxHeap.size()<minHeap.size()){
           maxHeap.add(minHeap.poll());
       }
    }

    public double findMedian() {
     return maxHeap.size()>minHeap.size()?
        maxHeap.peek()/1.0:(minHeap.peek()+maxHeap.peek())/2.0;
    }
}