63.数据流中的中位数

题目描述：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。我们使用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。

【分析】

主要思想是最大堆和最小堆。

以中位数为界，数据分为左、右两部分，假设左边为最大堆，右边为最小堆；则左边最大堆数据小于右边最小堆数据。

即左边最大值小于右边最小值。

取出一个数字，如何分配到最大堆或最小堆？

设偶数插入最小堆，同时要和最大堆根节点值比较，若大于最大堆最大值，直接插入最小堆，若小于最大堆值，放入最大堆，同时把最大堆的最大值取出放入最小堆。一定要保证最大堆始根节点终小于最小堆根节点（最大堆根节点就是其最大值，最小堆同样也是）。

class Solution {
public:
    void Insert(int num)
    {
        if(((max.size() + min.size())&1)==0)//偶数，应该放入最小堆，但要比较
        {
            if(num<max[0] && max.size()>0 )//和最大堆最大值比较
            {
                max.push_back(num);// 插入数据插入到最大堆数组
                push_heap(max.begin(),max.end(), less<int>());// 调整保证仍然是最大堆
                num = max[0];//取出最大堆的最大值
                pop_heap(max.begin(), max.end(), less<int>()); // 删除最大堆的栈顶元素
                max.pop_back();
            }
            min.push_back(num);// 将取出的num数据插入最小堆数组
            push_heap(min.begin(), min.end(), greater<int>());// 调整最小堆
        }
        else// 已有数据为奇数，则放入最大堆
        {
              if(num>min[0] && min.size()>0)//和最小堆的最小值比较，大于最小值则放入最小堆
              {
                  min.push_back(num); // 将数据插入最小堆
                  push_heap(min.begin(), min.end(), greater<int>());// 调整保证仍然是最小堆
                  num=min[0];//取出最小堆的最小值
                  pop_heap(min.begin(), min.end(), greater<int>()); // 删除最小堆的栈顶元素
                  min.pop_back();
              }
              max.push_back(num);// 将取出的num数据插入最小堆数组
              push_heap(max.begin(), max.end(), less<int>());// 调整最大堆
        }
    }
    double GetMedian()
    {
         int size = min.size() + max.size();// 统计数据大小
         if(size == 0)
         {
            return 0;
         }
        if((size & 1) == 0)// 如果数据为偶数
        {
            return (min[0] + max[0]) / 2.0;
         }
        else// 奇数
        {
            return min[0];
        }
    }
private:
// 使用vector建立最大堆和最小堆,min是最小堆数组,max是最大堆数组
    vector<int> min;//最小堆
    vector<int> max;//最大堆
};