数据流中的中位数--最大堆与最小堆实现

import java.util.*;
public class Solution {


    private int count = 0;
private PriorityQueue<Integer> minHeap = new PriorityQueue<>();
   // private PriorityQueue<Integer> maxHeap = new PriorityQueue<>();
private PriorityQueue<Integer> maxHeap = new PriorityQueue<Integer>(15, new Comparator<Integer>() {
    @Override
    public int compare(Integer o1, Integer o2) {
        return o2 - o1;
    }
});
 
public void Insert(Integer num) {
    if (count %2 == 0) {//当数据总数为偶数时，新加入的元素，应当进入小根堆
        //（注意不是直接进入小根堆，而是经大根堆筛选后取大根堆中最大元素进入小根堆）
        //1.新加入的元素先入到大根堆，由大根堆筛选出堆中最大的元素
        maxHeap.offer(num);
        int filteredMaxNum = maxHeap.poll();
        //2.筛选后的【大根堆中的最大元素】进入小根堆
        minHeap.offer(filteredMaxNum);
    } else {//当数据总数为奇数时，新加入的元素，应当进入大根堆
        //（注意不是直接进入大根堆，而是经小根堆筛选后取小根堆中最大元素进入大根堆）
        //1.新加入的元素先入到小根堆，由小根堆筛选出堆中最小的元素
        minHeap.offer(num);
        int filteredMinNum = minHeap.poll();
        //2.筛选后的【小根堆中的最小元素】进入大根堆
        maxHeap.offer(filteredMinNum);
    }
    count++;
}
 
public Double GetMedian() {
    if (count %2 == 0) {
        return new Double((minHeap.peek() + maxHeap.peek())) / 2;
    } else {
        return new Double(minHeap.peek());
    }
}
}

本题可以使用ArrayList实现，如果非要使用最大堆与最小堆的话：

最大堆与最小堆的实现我们可以通过使用java库自带的PriorityQueue（优先队列）来实现。最小堆就是堆头为最小的数，这样每次在使用peek（）时出来的值一定是最小的值。而优先队列如果不提供Comparator的话，优先队列中元素默认按自然顺序排列，也就是数字默认是小的在队列头，所以最小堆与优先队列的排序方式是一样的，所以在设置最大堆的时候我们需要对优先队列的排序方式进行设置。

在这里我们可以看到比较的方式是通过定义compare方法：这里return o2-o1；代表是逆序，因为：

      按 compare 方法的定义compare（o1，o2）
      o1 <  o2         负数
      o1 = o2        0
      o1 > o2        正数
o1 - o2 的结果与定义一致
o2 - o1的结果与定义正好相反，是逆序。

所以这样就定义了最大堆和最小堆。

对于PriorityQueue这个类参数可以为PriorityQueue()或者PriorityQueue( int  initialCapacity, Comparator<?   super  E> comparator)。也就是像

这道题中定义的那样（匿名内部类）来定义优先队列的排列规则。

PriorityQueue拥有以下几种方法：

方法名	功能描述
add(E e)	添加元素
clear()	清空
contains(Object o)	检查是否包含当前参数元素
offer(E e)	添加元素
peek()	读取元素，（不删除）
poll()	取出元素，（删除）
remove(Object o)	删除指定元素
size()	返回长度

然后接下来的看代码。