数据流中的中位数

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。

#####理解：
数据流中找中位数，就会涉及到数据的插入和从现有数据中查找当前中位数这两个过程，如果需要控制复杂度，就需要综合考虑插入和查找两种操作的复杂度。
如果是无序数组插入容易但查找难，如果是有序数组虽然查找是O(1)，但插入复杂了，找到一个相乘复杂度低于O(n)O(1)的，很容易想到把优化的重点放到插入部分，一旦数据有序查找就是O(1)，就很容易了。前面的插入可以优化到O(logN)，一种方法是使用AVL均衡树，另一种是采用堆，前者没有现成的结构实现起来费时费力，故我们采用后者。
将数列分成前后两半部分，前面一个最大堆，后面一个最小堆，当总个数为奇数的时候中位数就是最大堆的最大值弹出；总个数为偶数则是最大、最小的平均数。
**需要注意的是：在Insert*方法中，数字不是直接插入前或后阵营，而是先插到对面堆，再将对面弹出的最大/最小弹到阵营中，这是为了防止插入当前数据后破坏前/后部分所有值都小于/大于后/前部分的状态。**

import java.util.PriorityQueue;
import java.util.Comparator;

public class Solution {
//使用堆的好处是在插入环节复杂度是logN，而拿中位数是O(1),其他方法均在插入或查询中位数时是O（n）；
//均衡树的方法时间复杂度与此方法相同，但AVL树不好实现，也没有现成的接口。
    PriorityQueue<Integer> minHeap = new PriorityQueue<>();
    PriorityQueue<Integer> maxHeap = new PriorityQueue<>(16, new Comparator<Integer>(){
        @Override
        public int compare(Integer o1, Integer o2){
            return o2.compareTo(o1);//重写比较器，这样大的排在前了
        }
    });
    int count = 0;
    public void Insert(Integer num) {
        count++;
        if(count%2 == 1){
            minHeap.offer(num);
            maxHeap.offer(minHeap.poll());
        }
        else{
             maxHeap.offer(num);
             minHeap.offer(maxHeap.poll());
        }
    }

    public Double GetMedian() {
        if(count == 0 ){
            return null;
        }
        if(count % 2 == 1){
            return Double.valueOf(maxHeap.peek());
        }
        else{
            return Double.valueOf(maxHeap.peek()+minHeap.peek())/2;//这里把2放到valueOf里面会错
        }
    }
}