一刷333-队列（小顶堆大顶堆）剑指 Offer 41. 数据流中的中位数（h）（同：295. 数据流的中位数）

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

输入：
["MedianFinder","addNum","findMedian","addNum","findMedian"]
[[],[2],[],[3],[]]
输出：[null,null,2.00000,null,2.50000]
 
限制：
最多会对 addNum、findMedian 进行 50000 次调用。
-------------------
思考：
给定一长度为 N 的无序数组，其中位数的计算方法：
首先对数组执行排序（使用 O(NlogN) 时间），然后返回中间元素即可（使用 O(1)时间）。

针对本题，根据以上思路，可以将数据流保存在一个列表中，并在添加元素时 保持数组有序 。
此方法的时间复杂度为 O(N) ，
其中包括： 查找元素插入位置 O(logN) （二分查找）、向数组某位置插入元素 O(N) 
（插入位置之后的元素都需要向后移动一位）。

借助 堆 可进一步优化时间复杂度。
建立一个 小顶堆 A 和 大顶堆 B ，各保存列表的一半元素，且规定：
-------------

随后，中位数可仅根据 A, B 的堆顶元素计算得到。

算法流程：
设元素总数为 N = m + n ，其中 m 和 n 分别为 A 和 B 中的元素个数。
addNum(num) 函数：
	1、当 m = n（即 N 为 偶数）：需向 A 添加一个元素。
		实现方法：将新元素 num 插入至 B ，再将 B 堆顶元素插入至 A ；
	2、当m≠n（即 N 为 奇数）：需向 B 添加一个元素。
	    实现方法：将新元素 num插入至 A ，再将 A 堆顶元素插入至 B ；
假设插入数字 num遇到情况 1. 。由于 num 可能属于 “较小的一半” （即属于 B ），
因此不能将 nums 直接插入至 A 。而应先将 num 插入至 B ，再将 B 堆顶元素插入至 A 。
这样就可以始终保持 A 保存较大一半、 B 保存较小一半。

findMedian() 函数：
	1、当 m = n（ N 为 偶数）：则中位数为 (( A 的堆顶元素 + B 的堆顶元素 )/2)/2。
	2、当m≠n（ N 为 奇数）：则中位数为 A的堆顶元素。
-----------------------
复杂度分析：
时间复杂度：
	查找中位数 O(1) ： 获取堆顶元素使用 O(1)时间；
	添加数字 O(logN) ： 堆的插入和弹出操作使用 O(logN) 时间。
空间复杂度 O(N) ： 其中 N 为数据流中的元素数量，小顶堆 A 和大顶堆 B 最多同时保存 N 个元素。
------------
Java 使用 PriorityQueue<>((x, y) -> (y - x)) 可方便实现大顶堆。
-------------------
class MedianFinder {
    Queue<Integer> A,B;//创建全局变量：两个队列
    /** initialize your data structure here. */
    public MedianFinder() {
        A = new PriorityQueue<>();//小顶堆， 保存较大的一半
        B = new PriorityQueue<>((x, y) -> (y - x));//大顶堆，保存较小的一半
    }
    public void addNum(int num) {
        if (A.size() != B.size()) {//数据流为奇数个:找到当前除B堆外的最小元素添加到B顶堆
            A.add(num);//将新元素 num插入至 A ，再将 A 堆顶元素插入至 B
            B.add(A.poll());
        }else {//数据流为偶数个：找到当前除A堆外的最大元素添加到A顶堆
            B.add(num);//将新元素 num 插入至 B ，再将 B 堆顶元素插入至 A ；
            A.add(B.poll());
        }
    }
    public double findMedian() {
        return A.size() != B.size() ? A.peek() : (A.peek() + B.peek()) / 2.0;
    }//若总元素为奇数，则返回A顶堆堆顶的元素| 若总元素为偶数，则返回A,B顶堆堆顶的元素和/2
}
/**
A：小顶堆：保存较大的一半， 堆顶元素为最小元素
B: 大顶堆：保存较小的一半， 堆顶元素为最大元素
 */

LC