学习笔记34——数据流中的中位数（最大堆和最小堆方法）

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。
分析：如果数据在容器中已经排序，定义两个指针P1、P2指向容器中间的节点（如果容器中节点数目是奇数，那么P1和P2指向同一个节点），此时整个数据容器被分隔成两部分，位于容器左边的数据比右边的数据小，P1指向的是左边部分最大的数，P2指向的是右边部分最小的数。如果能够保证数据容器左边的数据都小于右边的数据，那么即使左、右两边内部的数据没有排序，也可以根据左边最大的数P1及右边最小的数P2得到中位数。
思路：用最大堆实现左边的数据容器，因为位于堆顶的就是最大的数据；同理用一个最小堆实现右边的数据容器。往堆中插入一个数据的时间复杂度是O(logn)，由于只需要O(1)的时间就可以得到位于堆顶的数据，因此得到中位数的时间复杂度是O(1)。
核心代码如下：
基于STL中的函数push_heap()、pop_heap()及vector实现堆，并通过伪函数less()和greater()来生成最大堆和最小堆。

template<typename T> class DynamicArray{
public:
	void Insert(T num){
		if(((max.size() + min.size()) & 1) == 0){ //数据的总数目是偶数时，把新数据num插入最小堆
			if(max.size() > 0 && num < max[0]){ //如果num比最大堆中的一些数据要小
				max.push_back(num); //先把num插入最大堆
				push_heap(max.begin(), max.end(), less<T>()); //更新重建最大堆

				num = max[0]; //令num为重建最大堆后堆中最大的元素，即max[0]

				pop_heap(max.begin(), max.end(), less<T>()); //pop_heap()是在堆的基础上，弹出最大堆的堆顶元素。
				//需要注意的是，pop_heap()并没有删除元素，而是将堆顶元素和数组最后一个元素进行了替换，
				//如果要删除这个元素，还需要对数组进行pop_back()操作。
				max.pop_back();
			}
			min.push_back(num);  //把num插入到最小堆
			push_heap(min.begin(), min.end(), greater<T>());  //更新重建最小堆
		}
		else{ //数据的总数目是奇数，把新数据num插入最大堆
			if(min.size() > 0 && num > min[0]){ //如果num比最小堆中的一些数据要大
				min.push_back(num); //先把num插入最小堆
				push_heap(min.begin(), min.end(), greater<T>()); //更新重建最小堆

				num = min[0]; //令num为重建最小堆后堆中最小的元素，即min[0]

				//弹出最小堆的堆顶元素
				pop_heap(min.begin(), min.end(), greater<T>()); 
				min.pop_back();
			}
			max.push_back(num); //把num插入到最大堆
			push_heap(max.begin(), max.end(), less<T>()); //更新重建最大堆
		}
	}

	T GetMedian(){ //用来得到容器中所有数据的中位数
		int size = max.size() + min.size();
		if(size == 0)
			throw exception("No numbers are available");

		T median = 0;
		if((size & 1) == 1) //数据总数目为奇数
			median = min[0]; //因为数据的总数目是偶数时是把数据插入到最小堆，即奇数个数据的中位数在最小堆
		else
			median = (min[0] + max[0]) / 2;

		return median;
	}

private:
	vector<T> min;
	vector<T> max;
};