剑指offer--数据流中的中位数

问题：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。

这个问题的解决算法感觉是整个剑指offer里最令人拍案叫绝的了，实现了O（logn）的插入和O（1）的 中位数计算操作，空间复杂度。简直体现了数据结构之美和思维之美。

维护一个大根堆优先队列和一个小根堆优先队列。约定小根堆里的数据个数等于大根堆的数据个数或者比大根堆的数据个数多1个。

插入数据num时，如果两个堆的数据数量和为偶数，则说明两个堆里的数据一样多，这时候插入新数据的堆必然是小根堆，但是插入的数据并不一定是num，而一定是比大根堆堆顶元素要大于等于才行，所以先将num插入大根堆，在将大根堆堆顶元素弹出放入到小根堆中。如果两个堆的数据数量和为基数，必然是大根堆元素个数比小根堆少一个，这是也不能将num无脑放入大根堆以使得两对元素相等，放入的num一定要小于等于当前小根堆所有元素和num的。所以就先将num插入小根堆，再将小根堆堆顶元素弹出放入到大根堆。

import java.util.PriorityQueue;
import java.util.Comparator;
public class Solution {
      
    PriorityQueue<Integer> maxPQ=new PriorityQueue<>(new Comparator<Integer>() {
        @Override
        public int compare(Integer o1, Integer o2) {
            return o2.intValue()-o1.intValue();
        }
    });
    PriorityQueue<Integer> minPQ=new PriorityQueue<>();
  
    public void Insert(Integer num)
    {
        if(  ((maxPQ.size()+minPQ.size()) & 1)==0)
        {
            if(maxPQ.size()>0 && num < maxPQ.peek())
            {
                maxPQ.add(num);
                num=maxPQ.poll();
            }
            minPQ.add(num);
        }
        else
        {
            if(minPQ.size()>0 && minPQ.peek()<num)
            {
                minPQ.add(num);
                num=minPQ.poll();
            }
            maxPQ.add(num);
        }    
    }
  
    public Double GetMedian()
    {
        int size=maxPQ.size()+minPQ.size();
        if(size==0)
            return null;
        if((    size & 1)==0)
            return ((double)maxPQ.peek()+minPQ.peek())/2;
        else
            return (double)minPQ.peek();
    }
}

数据结构与算法之美真的跟数学之美一样，单纯的兴奋喜悦！！！人类思维之花是这个宇宙最灿烂的星星！！！