剑指 Offer 41. 数据流中的中位数 / LeetCode 295. 数据流的中位数（优先队列，二叉堆）

题目：

链接：剑指 Offer 41. 数据流中的中位数；LeetCode 295. 数据流的中位数
难度：困难

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。

例如，

[2,3,4] 的中位数是 3

[2,3] 的中位数是 (2 + 3) / 2 = 2.5

设计一个支持以下两种操作的数据结构：

• void addNum(int num) - 从数据流中添加一个整数到数据结构中。
• double findMedian() - 返回目前所有元素的中位数。

示例 1：

输入：
[“MedianFinder”,“addNum”,“addNum”,“findMedian”,“addNum”,“findMedian”]
[[],[1],[2],[],[3],[]]
输出：[null,null,null,1.50000,null,2.00000]

示例 2：

输入：
[“MedianFinder”,“addNum”,“findMedian”,“addNum”,“findMedian”]
[[],[2],[],[3],[]]
输出：[null,null,2.00000,null,2.50000]

限制：

• 最多会对 addNum、findMedian 进行 50000 次调用。

优先队列：

本质是利用优先队列的底层实现，分别用一个小顶堆（小值优先）和一个大顶堆（大值优先）保存大于中位数的数和小于等于中位数的数，做到快速的插值和查询中位数（两个堆顶）。
对于优先队列的思路分析，详见力扣题解。
对于二叉堆的思路分析，详见labuladong题解。

代码：

class MedianFinder {
private:
    priority_queue<int> small;  // 大顶堆
    priority_queue<int, vector<int>, greater<int>> large;  // 小顶堆
public:
    /** initialize your data structure here. */
    MedianFinder() {

    }
    
    void addNum(int num) {
        if(small.size() >= large.size()) {
            small.emplace(num);
            large.emplace(small.top());
            small.pop();
        }
        else {
            large.emplace(num);
            small.emplace(large.top());
            large.pop();
        }
    }
    
    double findMedian() {
        if(small.size() > large.size()) {
            return small.top();
        }
        else if(large.size() > small.size()) {
            return large.top();
        }
        return (small.top() + large.top()) / 2.0;
    }
};

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

时间复杂度：

• addNum:O(logN)，根据二叉堆的性质可得
• findMedian:O(1)，直接查询大顶堆和小顶堆的顶点

空间复杂度：O(N)，为优先队列的开销。