lc-295 数据流的中位数

直观方法用数组求解，每次添加元素或查找中位数时对数组排序，分析一下时间复杂度：

1. 添加元素时排序addnum复杂度o（n），findmedia复杂度o（1）；
2. 查询中位数排序，addnum复杂度o（1），findmedia复杂度o（nlogn）；

我们改进一下算法，动态维护一个大顶堆和一个小顶堆；大顶堆维护一半元素，小顶堆维护一半；维持大顶堆的堆顶要比维护小顶堆的堆顶小；所以会出现;

1. 当小顶堆和大顶堆数据个数一样；
2. 当小顶堆和大顶堆数据个数不一样；
   代码如下:

class MedianFinder {
private:
    priority_queue<int, vector<int>, std::greater<int> > min_heap;
    priority_queue<int, vector<int>, std::less<int> > big_heap;
public:
    /** initialize your data structure here. */
    // 堆的经典解法
    MedianFinder() {
    }
    void addNum(int num) {
        if(min_heap.size()==0&&big_heap.size()==0){
            min_heap.push(num);
        }
        else if(min_heap.size()==big_heap.size()){
            if(num>=min_heap.top()) min_heap.push(num);
            else big_heap.push(num);
        }
        // 个数不一样时又有两种情况
        else{
            if(min_heap.size()>big_heap.size()){
                if(num>=min_heap.top()) {
                    int x=min_heap.top();
                    min_heap.pop();
                    big_heap.push(x);
                    min_heap.push(num);
                }
                else{
                    big_heap.push(num);
                }
            }
            else {
                if(num<=big_heap.top()) {
                    int x=big_heap.top();
                    big_heap.pop();
                    min_heap.push(x);
                    big_heap.push(num);
                }
                else{
                    min_heap.push(num);   
                }
            }
        }
    }
    double findMedian() {
        if(min_heap.size()==big_heap.size()) return (min_heap.top()+big_heap.top())/2.0;
        return min_heap.size()>big_heap.size()?min_heap.top():big_heap.top();
    }
};

/**
 * Your MedianFinder object will be instantiated and called as such:
 * MedianFinder* obj = new MedianFinder();
 * obj->addNum(num);
 * double param_2 = obj->findMedian();
 */