剑指Offer题41：数据流的中位数：堆排序

剑指 Offer 41. 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。
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 1：

输入：

["MedianFinder","addNum","addNum","findMedian","addNum","findMedian"]
[[],[1],[2],[],[3],[]]
输出：[null,null,null,1.50000,null,2.00000]

示例 2：
输入：

["MedianFinder","addNum","findMedian","addNum","findMedian"]
[[],[2],[],[3],[]]
输出：[null,null,2.00000,null,2.50000]

采用两个堆，一个大顶堆来保存元素较小的一半，一个小顶堆保存元素较大的一半，当元素个数总共为偶数个时，大顶堆元素和小顶堆元素各为N/2个，当元素个数总共为计数时，大顶堆元素为N-1/2,小顶堆元素为N+1/2，即始终保持小顶堆元素个数大于等于大顶堆元素个数。为保持这个条件，当两堆元素个数相等时，往小顶堆里插入元素，两堆元素不等时，一定是小顶堆元素多，所以往大顶堆插入元素。但同时为了保持小顶堆里的元素为较大的一半，所以往小顶堆插入元素时，先将元素插入大顶堆，然后取出大顶堆的堆顶元素，往大顶堆插入元素时同理，这样能保证将总元素分为较大一半和较小一半。

class MedianFinder41 {
public:
    priority_queue<int,vector<int>,greater<int> >BigHalf;  //小顶堆，保存较大的一半
    priority_queue<int>SmallHalf;                          //大顶堆，保存较小的一半
    /** initialize your data structure here. */
    MedianFinder41()
    {

    }

    void addNum(int num)
    {
        //这种添加方式保持存大值的堆的数量总是大于或等于存小值的数量
       if(BigHalf.size() != SmallHalf.size())
       {
           BigHalf.push(num);
           SmallHalf.push(BigHalf.top());
           BigHalf.pop();
       }
       else
       {
           SmallHalf.push(num);
           BigHalf.push(SmallHalf.top());
           SmallHalf.pop();
       }

    }

    double findMedian()
    {
        if(BigHalf.size() == SmallHalf.size())
        {
            return (BigHalf.top()+SmallHalf.top())/2.0;
        }
        else
        {
            return BigHalf.top();
        }
        return BigHalf.top();
    }
    };