剑指 Offer 41 数据流中的中位数

题目：数据不断的进入，要求实现addNum()和findMedian()两个函数。来进行数字的添加和中位数的查找。

public void addNum(int num)
public double findMedian()

思路：1.先说一下基本的思路：
可以对目前的数据进行排序，如使用快速排序O(nlogn)，然后直接返回中间的那个数O(1)。
2.
一：维护较大元素区间的minHeap和一个维护较小元素区间的maxHeap
二：怎么维持？用什么条件判断？（addNum的实现内容）
三：返回中位数时用什么条件判断？

用一个维护较大元素区间的minHeap和一个维护较小元素区间的maxHeap来做，时间复杂度为O(logn)（堆的操作时间复杂度为O(logn)），空间复杂度为O(n)。

为什么一个（维护较大元素）minHeap和一个（维护较小元素）maxHeap可以实现查找中位数？

因为维护较大元素的minHeap的堆顶元素和维护较小元素的maxHeap堆顶元素分别对应一个有序序列中间的2个数或1个数。就相当于用这两个不同的堆模拟了一个有序序列从中间分为两半。这两个堆的元素从一个方向看正好是一个有序序列。这样就可以获得中位数。

如何维持维护较大元素区间的minHeap和维护较小元素区间的maxHeap？

首先把一个元素加入maxHeap，然后经过堆调整后，把maxHeap堆顶元素加入到minHeap，这样就把大的元素（maxHeap出来的是最大值）慢慢地放到了minHeap中，就维持较大区间了。反过来也是，这样就可以维持。

注意：
1.其实第一下加到哪个heap都行
2.返回两堆顶的和/2.0，一定要/2.0化为double。size不相等时总体元素数为单数，返回minHeap堆顶元素。
3.用minHeap和maxHeap的size()来判断。

	/*
    先说一下有什么基本思路
    思路：用两个堆，一个大顶堆，一个小顶堆。
    大顶堆维护着较小的区间序列，小顶堆维护着较大的区间序列。
    如果minHeap和maxHeap的总和是奇数，那么中位数就是minHeap的堆顶（第一步先往maxHeap放）
    如果minHeap和maxHeap的总和是偶数，那么中位数就是minHeap和maxHeap各自堆顶的平均数。

    怎么维护各自一直是较大或较小区间呢？
    每加进堆一个元素，就把该堆的堆顶元素放到另一堆里，
    这样就能保证较大的区间序列就一直是较大的，较小的区间序列就一直是较小的。
     */

    PriorityQueue<Integer> minHeap = null;
    PriorityQueue<Integer> maxHeap = null;

    public MedianFinder() {
	    //优先队列PriorityQueue的底层是堆实现的，默认是最小堆
        minHeap = new PriorityQueue<>();
        //用lamda表达式来做,来构建最大堆
        maxHeap = new PriorityQueue<>((x,y) -> (y-x));
    }

    public void addNum(int num) {
        //先加入maxHeap，maxHeap为维护较小区间的大顶堆。应该也可以第一下先加minHeap
        if(minHeap.size() == maxHeap.size()){
            maxHeap.add(num);
            minHeap.add(maxHeap.poll());
        }else{
            //加过maxHeap了，这次加minHeap
            minHeap.add(num);
            maxHeap.add(minHeap.poll());
        }
    }

    public double findMedian() {
        if(minHeap.isEmpty() && maxHeap.isEmpty()) return -999;
        //返回值为double，所以要/2.0，化为浮点数
        return minHeap.size() != maxHeap.size() ? minHeap.peek() : (minHeap.peek()+maxHeap.peek())/2.0;
    }