最小堆 数据流中的中位数

实现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。

思路：

采用一个最大堆maxHeap，一个最小堆minHeap

最大堆的数据都小于最小堆的数据，同时维护2个堆的数据数目count相等，或最小堆的数目比最大堆大1

这样中位数一定是2个堆的堆顶元素平均值，或者一定位于最小堆的堆顶

细节：

如果当前2个堆数目相等，那么向最小堆插入数据之前，需要先到最大堆过滤一遍，以确保最大堆中最大值放入最小堆

public class Solution {

     private int count = 0;
      private PriorityQueue<Integer> minHeap = new PriorityQueue<>();
      private PriorityQueue<Integer> maxHeap = new PriorityQueue<Integer>(15, new Comparator<Integer>() {
         @Override
        public int compare(Integer o1, Integer o2) {
        return o2 - o1;
           }
          });
    //一些约束  小根堆的所有数据都大于大根堆
    //2个堆的 数目相等或小根堆比大根堆大1
    //这样保证中位数，总是小根堆堆顶，或者2者堆顶的平均值
    public void Insert(Integer num) {
        
        if(count&1==1) //若为奇数
        {
            minHeap.offer(num);//先加入小根堆
            int min_=minHeap.poll();//取出小根堆最小值
            maxHeap.offer(min_);
            
        }
        else
        {
            //总是要保证 minHeap的所有数据大于maxHeap
            //所以加入到一个堆时，总是先到另一个堆 过滤一波
            maxHeap.offer(num);
            int max_=maxHeap.poll();
            min.offer(max_);
        }
        count++;
  
    }

    public Double GetMedian() {
        
        if(count&1==1) //奇数个
            return new Double(minHeap.peek());//取小根堆堆顶
        else
            return new Double((minHeap.peek()+maxHeap.peek())/2);
        
    }


}

采用Java中的PriorityQueue优先队列数据结构，默认是最小堆，若需要最大堆，则实现一个Comparator比较器