剑指offer 41 数据流中的中位数

描述
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。

数据范围：数据流中数个数满足
1≤n≤1000 ，大小满足 1≤val≤1000
进阶： 空间复杂度 O(n) ， 时间复杂度 O(nlogn)
示例1
输入：
[5,2,3,4,1,6,7,0,8]
返回值：
"5.00 3.50 3.00 3.50 3.00 3.50 4.00 3.50 4.00 "

说明：
数据流里面不断吐出的是5,2,3…,则得到的平均数分别为5,(5+2)/2,3…
示例2
输入：
[1,1,1]
返回值：
"1.00 1.00 1.00 "

思路：可以用一个最大值堆和最小值堆可存一半的数据

# -*- coding:utf-8 -*-
import heapq
class Solution:
    def __init__(self):
        self.minHeap = []   # 最小值堆(堆顶最小, 存放较大的另一半数据)
        self.maxHeap = []   # 最大值对(堆顶最大，存放较小的另一半数据), 数乘 -1 用最小堆实现

    def Insert(self, num):
        # write code here
        heapq.heappush(self.maxHeap, -1*num)
        #### 保证最小值堆的元素个数和最大值堆相同, 或多一个
        if len(self.maxHeap) > len(self.minHeap):
            top = heapq.heappop(self.maxHeap)*-1
            heapq.heappush(self.minHeap, top)
        elif len(self.maxHeap) == len(self.minHeap): #保证最小值堆的最小值>=最大值堆的最大值
            if -1*self.maxHeap[0] > self.minHeap[0]:
                temp1 = -1*heapq.heappop(self.maxHeap)
                temp2 = heapq.heappop(self.minHeap)
                heapq.heappush(self.maxHeap, -1*temp2)
                heapq.heappush(self.minHeap, temp1)
        
    def GetMedian(self):
        # write code here
        if len(self.minHeap) == len(self.maxHeap):
            return (self.minHeap[0]-self.maxHeap[0])/2
        else:
            return self.minHeap[0]